論文の概要: Evolving Towards Better Codes: LLM-Guided Search for High-Distance Binary Linear Codes
- arxiv url: http://arxiv.org/abs/2609.37056v1
- Date: Tue, 29 Sep 2026 08:59:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.348133
- Title: Evolving Towards Better Codes: LLM-Guided Search for High-Distance Binary Linear Codes
- Title（参考訳）: より良いコードを目指して進化する: LLMガイドによる高距離バイナリ線形コード探索
- Abstract要約: 我々はLinCodeEvolveを導入し、コード構築プログラムを最小距離評価器に対して進化させる。
戦略ループは多様性を駆使した探索と専門家の監督を組み合わせる。
- 参考スコア（独自算出の注目度）: 12.368208649438658
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Evolutionary program search driven by large language models (LLMs) has produced record-breaking constructions for open problems in combinatorics and beyond. We apply this approach to the longstanding problem of improving the best-known bounds for binary linear codes. Building on the EvoTune evolutionary framework and the ShinkaEvolve codebase, we introduce LinCodeEvolve, which evolves code-construction programs against an exact minimum-distance evaluator. A strategy loop combines diversity-driven search and expert supervision: when progress plateaus, new strategies are used to redirect the search. LinCodeEvolve discovers seven record-breaking codes, $[172,21,66]$, $[173,20,68]$, $[176,21,68]$, $[181,21,70]$, $[184,21,72]$, $[189,22,72]$ and $[200,21,77]$, six of which have concise quasi-cyclic descriptions. With standard code modification techniques, they improve $22$ entries of the tables. Every code is verified by exhaustive enumeration. These results suggest that LLM-guided search can help find improved codes and complement existing methods in coding theory.
- Abstract（参考訳）: 大規模言語モデル(LLM)によって駆動される進化的プログラム探索は、コンビネータなどにおけるオープンな問題に対する記録破りの構造を生み出している。
本稿では,2進線形符号の最もよく知られたバウンダリを改善するという長年の課題に対して,このアプローチを適用した。
EvoTune の進化的フレームワークと ShinkaEvolve のコードベースをベースとして,コード構築プログラムを最小距離評価器に対して進化させる LinCodeEvolve を導入している。
戦略ループは多様性を駆使した探索と専門家の監督を組み合わせる。
LinCodeEvolveは7つの記録破りコードを発見した。$[172,21,66]$, $[173,20,68]$, $[176,21,68]$, $[181,21,70]$, $[184,21,72]$, $[189,22,72]$, $[200,21,77]$。
標準的なコード修正テクニックにより、テーブルの22ドルのエントリが改善される。
すべてのコードは、徹底的な列挙によって検証されます。
これらの結果から, LLM誘導探索は, 改良された符号を見つけ, 既存の符号化理論を補完するのに役立つことが示唆された。
関連論文リスト
- SPD: Single Pass Decoding for Generative Reranking [20.780080437181223]
大規模言語モデル(LLM)は、最先端の生成的ランキング品質を達成するが、それらが生成するランキングはデコードされなければならない。
SPD(Single Forward Pass)は、$O(1)$フォワードパスですべての$N$オーディナルをデコードするフォーマット特化デコード戦略である。
自動回帰式LLM蒸留と組み合わせたLoRAファインチューニングは, 教師と同等のランキング品質を維持しつつ, エンドツーエンドの推算で28ms, 64倍の高速化を実現した。
論文 参考訳（メタデータ） (2026-09-01T19:30:04Z) - Multi-agent discovery of practical quantum LDPC codes [2.763808510474517]
量子低密度パリティチェック(qLDPC)符号はスパースパリティチェックを用いて複数の論理量子ビットを符号化することができる。
科学的発見のための人工知能エージェントの最近の進歩に触発されて,実用的なqLDPCコードを発見するためのマルチエージェントフレームワークを開発した。
論文 参考訳（メタデータ） (2026-08-10T01:32:34Z) - Breaking the bicycle frame: Coset-based quantum LDPC codes [65.96089068176079]
2ブロック群代数 (2BGA) 符号の構成を一般化し、2ブロック量子LDPC符号の族を導入する。
パラメータが $[48,8,6]]$, $[96,8,10]]$, $[224,12,16]]$ である。
BP-OSDでデコードすると、BB符号と競合し、ウェイト6ファミリーは$approx0.65%、ウェイト8ファミリーは$approx0.35%となる。
論文 参考訳（メタデータ） (2026-06-15T20:20:57Z) - Evolutionary Discovery of Bivariate Bicycle Codes with LLM-Guided Search [1.1038052779321077]
量子LDPC符号探索では、大きな代数的設計空間を探索し、発見される任意の候補のパラメータと等価クラスを確実に証明する必要がある。
言語モデルがPythonプログラムを変異させるLLM誘導進化ワークフローを提案する。
5回のキャンペーンで約1,650回の進化的なイテレーションを実行し、約2倍の105ドルの候補コードを実行し、計算時間に$sim140$とLLM推論コストに$sim$US$400を必要とした。
論文 参考訳（メタデータ） (2026-06-01T15:58:52Z) - LLM-Guided Search for Deletion-Correcting Codes [20.92673130735139]
削除訂正符号を構築するための新しい手法を提案する。
一つの削除のために、我々の進化的探索は既知の最大サイズにマッチするコードを構成する関数を見つける。
2つの削除に対して、コード長(n = 12, 13 )および(16)に対して、新しい最もよく知られたサイズでコードを構成する関数を見つける。
論文 参考訳（メタデータ） (2025-04-01T10:11:32Z) - Multi-Turn Code Generation Through Single-Step Rewards [68.05767417891057]
既存のメソッドはフィードバックなしでコードを生成するか、多ターン報酬を最適化するために複雑な階層的な強化学習を使用する。
我々は,単一ステップの報酬のみを用いて,マルチターンコード生成を解決する,シンプルでスケーラブルなアプローチである$mu$Codeを提案する。
論文 参考訳（メタデータ） (2025-02-27T18:55:05Z) - Evolutionary Strategies for the Design of Binary Linear Codes [39.72467897920624]
本稿では,長さと次元の線形符号のサブセットのみを探索する進化的戦略 (ES) アルゴリズムを提案する。
我々の実験は、長さ$n=14$まで、ESは常に完全な成功率を持つ最適解に収束することを示した。
大きな長さでは、ESの成功率と進化したコードの多様性の両方が低下し始めます。
論文 参考訳（メタデータ） (2022-11-21T15:18:48Z) - Tackling Long Code Search with Splitting, Encoding, and Aggregating [67.02322603435628]
長いコード検索のための新しいベースラインSEA(Split, Encode, Aggregate)を提案する。
長いコードをコードブロックに分割し、これらのブロックを埋め込みにエンコードし、それらを集約して包括的な長いコード表現を得る。
エンコーダとしてGraphCodeBERTを使用すると、SEAはコードSearchNetベンチマークでGraphCodeBERTよりも10.1%高い0.785という総合的な平均逆ランキングスコアを達成する。
論文 参考訳（メタデータ） (2022-08-24T02:27:30Z) - Faster Person Re-Identification [68.22203008760269]
本稿では,新しいハッシュコード検索戦略を定式化することによって,高速ReIDのための新しいソリューションを提案する。
より短いコードを使用して、より正確なReIDのいくつかのトップ候補を洗練するために、より広い一致の類似性を粗くランク付けし、より長いコードを使用する。
2つのデータセットに対する実験結果から,提案手法(CtF)は現在のハッシュReID法よりも8%精度が高いだけでなく,5倍高速であることがわかった。
論文 参考訳（メタデータ） (2020-08-16T03:02:49Z)
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。