論文の概要: LLM Driven Design of Continuous Optimization Problems with Controllable High-level Properties

• arxiv url: http://arxiv.org/abs/2601.18846v1
• Date: Mon, 26 Jan 2026 12:34:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-28 15:26:51.010588
• Title: LLM Driven Design of Continuous Optimization Problems with Controllable High-level Properties
• Title（参考訳）: 制御可能な高レベル特性を有する連続最適化問題のLLM駆動設計
• Authors: Urban Skvorc, Niki van Stein, Moritz Seiler, Britta Grimme, Thomas Bäck, Heike Trautmann,
• Abstract要約: 連続的なブラックボックス最適化におけるベンチマークは、BBOBのような既存のテストスイートの構造的多様性の制限によって妨げられる。 本研究では,進化ループに埋め込まれた大規模言語モデルを用いて,高度景観特性を明確に定義した最適化問題を設計できるかどうかを考察する。
• 参考スコア（独自算出の注目度）: 2.0539269837079392
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Benchmarking in continuous black-box optimisation is hindered by the limited structural diversity of existing test suites such as BBOB. We explore whether large language models embedded in an evolutionary loop can be used to design optimisation problems with clearly defined high-level landscape characteristics. Using the LLaMEA framework, we guide an LLM to generate problem code from natural-language descriptions of target properties, including multimodality, separability, basin-size homogeneity, search-space homogeneity and globallocal optima contrast. Inside the loop we score candidates through ELA-based property predictors. We introduce an ELA-space fitness-sharing mechanism that increases population diversity and steers the generator away from redundant landscapes. A complementary basin-of-attraction analysis, statistical testing and visual inspection, verifies that many of the generated functions indeed exhibit the intended structural traits. In addition, a t-SNE embedding shows that they expand the BBOB instance space rather than forming an unrelated cluster. The resulting library provides a broad, interpretable, and reproducible set of benchmark problems for landscape analysis and downstream tasks such as automated algorithm selection.
• Abstract（参考訳）: 連続的なブラックボックス最適化におけるベンチマークは、BBOBのような既存のテストスイートの構造的多様性の制限によって妨げられる。 本研究では,進化ループに埋め込まれた大規模言語モデルを用いて,高度景観特性を明確に定義した最適化問題を設計できるかどうかを考察する。 LLaMEA フレームワークを用いて,マルチモーダル,セパビリティ,流域の大きさの均一性,探索空間の均一性,グローバル局所の最適コントラストなど,対象特性の自然言語記述から問題コードを生成する。 ループ内では、ERAベースのプロパティ予測器を通じて候補をスコア付けします。 人口の多様性を高め、余分な景観からジェネレータを遠ざける、ESA空間のフィットネス共有機構を導入する。 相補的な解析、統計的検査、視覚検査により、生成された関数の多くは、意図された構造的特徴を実際に示していることが確かめられる。 さらに、t-SNE埋め込みは、無関係なクラスタを形成するのではなく、BBOBインスタンス空間を拡張することを示している。 結果として得られたライブラリは、ランドスケープ分析や自動アルゴリズム選択などの下流タスクのための、幅広い、解釈可能な、再現可能なベンチマーク問題セットを提供する。

関連論文リスト

• Multi-Objective Hierarchical Optimization with Large Language Models [41.41567058185742]
  大規模言語モデル(LLM)は、多目的最適化を推進するための既定の選択肢ではない。 本稿では,このギャップを,構造化階層型探索戦略内での代理モデルと候補サンプルとしてLLMを活用することで解決する。
  論文  参考訳（メタデータ） (2026-01-20T12:10:13Z)
• BAMBO: Construct Ability and Efficiency LLM Pareto Set via Bayesian Adaptive Multi-objective Block-wise Optimization [4.196004665145396]
  BAMBO(Bayesian Adaptive Multi-objective Block-wise Optimization)は、大規模言語モデル(LLM)を自動的に構築する新しいフレームワークである。 1次元クラスタリング問題として定式化されたこの戦略は、動的プログラミング手法を利用してブロック内およびブロック間情報の分散を最適にバランスさせる。
  論文  参考訳（メタデータ） (2025-12-10T15:32:56Z)
• PORTAL: Controllable Landscape Generator for Continuous Optimization-Part I: Framework [6.776726767599686]
  本稿では,連続最適化研究のためのベンチマークジェネレータである Portal を紹介する。 盆地曲率、条件付け、変動相互作用、表面粗さに対するきめ細かい独立した制御を提供する。 また、メタアルゴリズム研究、カスタマイズされたベンチマークスイートの設計、インタラクティブな教育利用のための多様なデータセットの作成を容易にする。
  論文  参考訳（メタデータ） (2025-11-29T02:57:13Z)
• BLADE: Benchmark suite for LLM-driven Automated Design and Evolution of iterative optimisation heuristics [2.2485774453793037]
  BLADEは、連続的なブラックボックス最適化コンテキストにおいてLLM駆動のAADメソッドをベンチマークするためのフレームワークである。 ベンチマーク問題とインスタンスジェネレータ、特殊化や情報エクスプロイトといった機能重視のテストを目的としたテキスト記述を統合する。 BLADEは、LCM駆動のAADアプローチを体系的に評価する、アウト・オブ・ザ・ボックスのソリューションを提供する。
  論文  参考訳（メタデータ） (2025-04-28T18:34:09Z)
• Modeling All Response Surfaces in One for Conditional Search Spaces [69.90317997694218]
  本稿では,すべての部分空間の応答曲面をモデル化する新しい手法を提案する。 本稿では,様々な部分空間から異なる構造を持つ構成を統一された特徴空間に投影できる注目型深層特徴抽出器を提案する。
  論文  参考訳（メタデータ） (2025-01-08T03:56:06Z)
• Multi-Attribute Constraint Satisfaction via Language Model Rewriting [67.5778646504987]
  マルチ属性制約満足度(英: Multi-Attribute Constraint Satisfaction, MACS)は、言語モデルを微調整して、複数の外部実値属性に対するユーザ指定制約を満たす手法である。 我々の研究は、NLPやバイオインフォマティクスにまたがる多様な応用に影響を及ぼす、一般化および実値多属性制御のための新しい道を開く。
  論文  参考訳（メタデータ） (2024-12-26T12:36:39Z)
• Efficient High-Resolution Visual Representation Learning with State Space Model for Human Pose Estimation [60.80423207808076]
  高解像度の視覚表現を維持しながら長距離依存関係をキャプチャすることは、人間のポーズ推定のような密集した予測タスクに不可欠である。 マルチスケールの畳み込み操作で視覚状態空間モデルを拡張する動的ビジュアル状態空間(DVSS)ブロックを提案する。 HRVMambaは効率的な高分解能表現学習のための新しいモデルである。
  論文  参考訳（メタデータ） (2024-10-04T06:19:29Z)
• Robust Model-Based Optimization for Challenging Fitness Landscapes [96.63655543085258]
  タンパク質の設計には、フィットネスのランドスケープの最適化が含まれる。 指導法は, トレーニングセットにおける高適合度サンプルの多彩さに課題を呈する。 デザイン空間における「分離」というこの問題は、既存のモデルベース最適化ツールにおいて重大なボトルネックとなっていることを示す。 本稿では,新しいVAEを検索モデルとして利用して問題を克服する手法を提案する。
  論文  参考訳（メタデータ） (2023-05-23T03:47:32Z)
• A Pareto-optimal compositional energy-based model for sampling and optimization of protein sequences [55.25331349436895]
  深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。 これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
  論文  参考訳（メタデータ） (2022-10-19T19:04:45Z)
• Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces [54.58348769621782]
  木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。 ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。 我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
  論文  参考訳（メタデータ） (2022-07-02T16:59:37Z)

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。