論文の概要: From Hand-Crafted to LLM-Based Variation Operators in Metaheuristics: A Tutorial
- arxiv url: http://arxiv.org/abs/2609.31649v1
- Date: Sun, 13 Sep 2026 13:17:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 14:20:03.676744
- Title: From Hand-Crafted to LLM-Based Variation Operators in Metaheuristics: A Tutorial
- Title（参考訳）: メタヒューリスティックスにおける手作りからLLMに基づく変分演算子:チュートリアル
- Abstract要約: 大規模言語モデル(LLM)はメタヒューリスティックスにおける変分演算子としてますます採用されている。
このチュートリアルは、作業中のビルドテンプレートを通じて、これらのオペレータを分類、ビルド、選択する方法を示している。
- 参考スコア（独自算出の注目度）: 1.388970969945297
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models (LLMs) are increasingly being employed as variation operators in metaheuristics, generating or modifying candidate solutions, heuristics, or programs inside iterative search loops. This shift reframes variation as a model call conditioned on different types of information. We introduce an operator-level framework with two descriptors: (1) the type of prompt-conditioning information at variation time (\texttt{Numeric}, \texttt{Symbolic}, \texttt{Linguistic}), and (2) artifact persistence, identifying what survives the model call (\texttt{Transient}, \texttt{Amortized}, \texttt{Transfer}). The tutorial shows how to classify, build, and select these operators through a worked build template, a method survey, an evidence table, and a cost-aware decision guide.
- Abstract（参考訳）: 大規模言語モデル (LLM) はメタヒューリスティックスにおいて変種演算子として採用され、候補解やヒューリスティックス、反復探索ループ内のプログラムの生成や修正が進んでいる。
このシフトは、異なるタイプの情報に条件付けされたモデルコールとして、バリエーションを再設定する。
1)変化時のプロンプト条件情報の種類 (\texttt{Numeric}, \texttt{Symbolic}, \texttt{Linguistic}) と、(2)モデルコールを生き残るもの (\texttt{Transient}, \texttt{Amortized}, \texttt{Transfer}) を識別するアーティファクト永続性である。
チュートリアルでは、作業中のビルドテンプレート、メソッドサーベイ、エビデンステーブル、コスト対応決定ガイドを通じて、これらのオペレータを分類、構築、選択する方法が紹介されている。
関連論文リスト
- LatentQA: Teaching LLMs to Decode Activations Into Natural Language [72.87064562349742]
自然言語におけるモデルアクティベーションに関するオープンな疑問に答えるタスクであるLatentQAを紹介する。
本稿では,アクティベーションと関連する質問応答ペアのデータセット上で,デコーダLLMを微調整するLatent Interpretation Tuning (LIT)を提案する。
我々のデコーダはまた、ステレオタイプ付き文のモデルのデバイアス化や世代ごとの感情制御など、モデルを制御するために使用する差別化可能な損失も規定している。
論文 参考訳（メタデータ） (2024-12-11T18:59:33Z) - Learning Semantic Structure through First-Order-Logic Translation [4.005483185111992]
言語モデルは、どのオブジェクトに適用されるかの述語を混乱させることがある。
一般化能力を評価するために設計された合成データセット上で、いくつかの大きな言語モデルを微調整する。
その結果,LLMのFOL翻訳は述語構造を学習するのに適していることがわかった。
論文 参考訳（メタデータ） (2024-10-04T07:39:34Z) - Automated Black-box Prompt Engineering for Personalized Text-to-Image Generation [149.96612254604986]
PRISMは人間の解釈可能なプロンプトを自動生成するアルゴリズムである。
大規模言語モデル(LLM)のジェイルブレイクにインスパイアされたPRISMは、LLMのコンテキスト内学習能力を活用して、候補のプロンプト分布を反復的に洗練する。
本実験は,複数のT2Iモデルのオブジェクト,スタイル,画像の正確なプロンプトを生成する上で,PRISMの有効性と有効性を示すものである。
論文 参考訳（メタデータ） (2024-03-28T02:35:53Z) - Learning Dynamic Contextualised Word Embeddings via Template-based
Temporal Adaptation [20.28057385992209]
動的文脈化された単語埋め込み(WEs)は単語の時間的意味変化を表す。
本稿では,事前学習したマスケッド言語モデル(MLM)を時間依存テンプレートを用いて時間適応させることでDCWEを学習する手法を提案する。
論文 参考訳（メタデータ） (2022-08-23T05:12:27Z) - Collocation2Text: Controllable Text Generation from Guide Phrases in
Russian [0.0]
Collocation2Textはロシア語で自動制御可能なテキスト生成のためのプラグイン・アンド・プレイ方式である。
この手法は、自己回帰言語ruGPT-3モデルと自己符号化言語ruRoBERTaモデルという2つの相互作用モデルに基づいている。
提案手法を用いてニュース記事を生成する実験は,自動生成された流布文に対して有効性を示した。
論文 参考訳（メタデータ） (2022-06-18T17:10:08Z) - Temporal Embeddings and Transformer Models for Narrative Text
Understanding [72.88083067388155]
キャラクタ関係モデリングのための物語テキスト理解のための2つのアプローチを提案する。
これらの関係の時間的進化は動的単語埋め込みによって説明され、時間とともに意味的変化を学ぶように設計されている。
最新の変換器モデルBERTに基づく教師付き学習手法を用いて文字間の静的な関係を検出する。
論文 参考訳（メタデータ） (2020-03-19T14:23:12Z)
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。