論文の概要: Large Language Models for Combinatorial Optimization: A Systematic Review

• arxiv url: http://arxiv.org/abs/2507.03637v1
• Date: Fri, 04 Jul 2025 15:08:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.813319
• Title: Large Language Models for Combinatorial Optimization: A Systematic Review
• Title（参考訳）: 組合せ最適化のための大規模言語モデル:システムレビュー
• Authors: Francesca Da Ros, Michael Soprano, Luca Di Gaspero, Kevin Roitero,
• Abstract要約: 本稿では,組合せ最適化におけるLarge Language Modelsの適用について検討する。 われわれはScopusとGoogle Scholarを通じて2000以上の出版物を調べて文献検索を行っている。 我々はこれらの研究を意味圏とトピックに分類し、その分野を包括的に概観する。
• 参考スコア（独自算出の注目度）: 3.271128864157512
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This systematic review explores the application of Large Language Models (LLMs) in Combinatorial Optimization (CO). We report our findings using the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. We conduct a literature search via Scopus and Google Scholar, examining over 2,000 publications. We assess publications against four inclusion and four exclusion criteria related to their language, research focus, publication year, and type. Eventually, we select 103 studies. We classify these studies into semantic categories and topics to provide a comprehensive overview of the field, including the tasks performed by LLMs, the architectures of LLMs, the existing datasets specifically designed for evaluating LLMs in CO, and the field of application. Finally, we identify future directions for leveraging LLMs in this field.
• Abstract（参考訳）: 本稿では,Large Language Models (LLMs) の Combinatorial Optimization (CO) における応用について検討する。 本研究は,PRISMAガイドライン(Preferred Reporting Items for Systematic Reviews and Meta-Analyses)を用いて報告する。 われわれはScopusとGoogle Scholarを通じて2000以上の出版物を調べて文献検索を行っている。 論文は,4つの含意と,その言語,研究焦点,出版年,タイプに関連する4つの排他的基準について評価する。 最終的に、我々は103の研究を選定する。 我々はこれらの研究をセマンティックなカテゴリとトピックに分類し、LLMのタスク、LLMのアーキテクチャ、COにおけるLLMの評価に特化して設計された既存のデータセット、およびアプリケーション分野の包括的な概要を提供する。 最後に,この分野におけるLCMの活用に向けた今後の方向性を明らかにする。

関連論文リスト

• A Survey on Employing Large Language Models for Text-to-SQL Tasks [9.527891544418805]
  本稿では、よく知られたデータセットで評価された手法と様々なモデルについて、全体的な分析を行う。 この分野での課題と今後の方向性について論じる。
  論文  参考訳（メタデータ） (2024-07-21T14:48:23Z)
• Large Language Models for Data Annotation and Synthesis: A Survey [49.8318827245266]
  本調査は,データアノテーションと合成のための大規模言語モデルの有用性に焦点を当てる。 LLMがアノテートできるデータタイプの詳細な分類、LLM生成アノテーションを利用したモデルの学習戦略のレビュー、データアノテーションと合成にLLMを使用する際の主な課題と制限に関する詳細な議論を含む。
  論文  参考訳（メタデータ） (2024-02-21T00:44:04Z)
• Tapping the Potential of Large Language Models as Recommender Systems: A Comprehensive Framework and Empirical Analysis [91.5632751731927]
  ChatGPTのような大規模言語モデルは、一般的なタスクを解く際、顕著な能力を示した。 本稿では,レコメンデーションタスクにおけるLLMの活用のための汎用フレームワークを提案し,レコメンデーションタスクとしてのLLMの機能に着目した。 提案手法は,提案手法が推薦結果に与える影響を解析し,提案手法とモデルアーキテクチャ,パラメータスケール,コンテキスト長について検討する。
  論文  参考訳（メタデータ） (2024-01-10T08:28:56Z)
• Large Language Models for Software Engineering: A Systematic Literature Review [34.12458948051519]
  大規模言語モデル(LLM)は、ソフトウェア工学(SE)を含む多くの領域に大きな影響を与えている。 我々は、2017年1月から2024年1月までの395件の研究論文を選定、分析し、4つの重要な研究質問(RQ)に答える。 これらのRQに対する回答から、現在の最先端とトレンド、既存の研究のギャップの特定、今後の研究に向けた有望な領域のフラグ付けなどについて論じる。
  論文  参考訳（メタデータ） (2023-08-21T10:37:49Z)
• A Survey on Large Language Models for Recommendation [77.91673633328148]
  大規模言語モデル(LLM)は自然言語処理(NLP)の分野で強力なツールとして登場した。 本調査では,これらのモデルを2つの主要なパラダイム(DLLM4Rec)とジェネレーティブLSM4Rec(GLLM4Rec)に分類する。
  論文  参考訳（メタデータ） (2023-05-31T13:51:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。