論文の概要: Nominate-then-Adjudicate: LLM-Assisted One-Pass and Per-Instance MIP Solver Tuning

• arxiv url: http://arxiv.org/abs/2610.29391v1
• Date: Wed, 21 Oct 2026 08:19:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.287814
• Title: Nominate-then-Adjudicate: LLM-Assisted One-Pass and Per-Instance MIP Solver Tuning
• Title（参考訳）: 上位副詞: LLM-Assisted One-Pass and Per-Instance MIP Solver Tuning
• Abstract要約: 混合整数プログラミングは、インスタンス毎に最適な設定が変化する数百から数千のパラメータを公開します。 本稿では,2つの設計選択に基いて構築された有望なアジュディケートパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 11.373218182238595
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mixed-integer programming solvers expose hundreds or even thousands of parameters whose best setting varies per instance, yet per-instance search is prohibitively expensive. We frame this as configuration for heterogeneous Big Data optimization workloads and propose a nominate-then-adjudicate pipeline built around two design choices. First, a fixed portfolio is sampled once and reused across instances, removing per-instance configuration search at inference; on the evaluated families, the resulting shortlist retains substantial oracle headroom, making selection within it the empirical focus. Second, the fixed 20-feature representation can map structurally different instances to the same vector, preventing a feature-only selector from distinguishing them even when they prefer different configurations. The foundation model receives no task-specific weight updates, and selection is one-pass: one model call and no solver calls at inference. The study represents structural Variety through distinct formulation families and decision Value through solver-performance outcomes; the one-call, zero-solve protocol specifies the decision interface and leaves end-to-end latency unmeasured. Among comparisons exceeding a 20% practical-difference threshold, the complete adjudicator records 538 wins and 185 losses against the top nominee, while its win rate against the default rises from 84.9% to 90.2%. Against per-instance configuration baselines under a matched one-pass protocol it leads the cluster-level methods and the best-performing evaluated per-instance baseline, ISAC+.
• Abstract（参考訳）: 混合整数プログラミングの解法は、インスタンスごとに最適な設定が変わる数百から数千のパラメータを露呈するが、インスタンスごとの検索は違法に高価である。 これを異種ビッグデータ最適化のワークロードの設定として検討し,2つの設計選択を中心に構築された最優先のアジュケートパイプラインを提案する。 まず、固定されたポートフォリオが一度サンプリングされ、インスタンス間で再利用され、推論時にインスタンス単位の構成探索が削除される。 第二に、固定された20機能表現は、構造的に異なるインスタンスを同じベクタにマッピングできるため、異なる設定を好む場合でも、機能のみのセレクタが区別できない。 ファンデーションモデルはタスク固有の重み更新を受け付けず、選択は1つのモデルコールと推論時のソルバコールの1つである。 本研究は, 定式化ファミリによる構造的多様性と, 解答器性能評価による決定値, 決定インターフェースを規定し, 終端レイテンシを未測定のまま残している。 20%以上の実戦差の閾値を上回り、538勝と185敗を記録し、デフォルトに対する勝利率は84.9%から90.2%に上昇した。 一致したワンパスプロトコルの下でのインスタンス単位の設定ベースラインに対して、クラスタレベルのメソッドと、評価されたインスタンス単位ベースラインであるISAC+を導く。

関連論文リスト

• Jeva: System One Models from First Principles [58.432996881401415]
  Jevaは4つの重要な構造的要件に対処する、決定ネイティブなアーキテクチャです。 共有エンコーダは独立して要求と各オプションを表現し、コンパクトな決定スタックは要求状態のみを洗練する。 Jevとオープンソースモデルに対する評価全般において、Jevaは強力な型付き決定性能とほぼ完璧なnull検出を組み合わせる。
  論文  参考訳（メタデータ） (2026-10-13T17:31:09Z)
• FlexRouter: Learning Complementary Model Sets for Flexible LLM Routing [71.04470934007537]
  既存のルーティングメソッドはLLMを独立してスコア付けし、上位$kのモデルを選択する。 これはモデル相関を無視し、厳格な計算予算を強制する。 モデリングを明示的にモデル化するルーティングフレームワークであるFlexを提案します。
  論文  参考訳（メタデータ） (2026-09-29T21:44:05Z)
• $V_1$: Unifying Generation and Self-Verification for Parallel Reasoners [69.66089681814013]
  $V_$は、効率的なペアワイドランキングを通じて生成と検証を統合するフレームワークである。 V_$-Inferはポイントワイド検証でPass@1を最大10%改善する。 V_$-PairRLは、標準のRLとポイントワイドのジョイントトレーニングよりも、テストタイムのスケーリングが7ドル--9%で向上する。
  論文  参考訳（メタデータ） (2026-03-04T17:22:16Z)
• A Distance Metric for Mixed Integer Programming Instances [0.0]
  Mixed-integer linear programming (MILP)は、様々な現実世界の問題に対処するための強力なツールである。 既存の類似度メトリクスは、しばしばインスタンスクラスを識別する精度を欠いているか、ラベル付きデータに大きく依存している。 本稿では,その数学的定式化から直接導出したMILPインスタンスに対する最初の数学的距離測定について紹介する。
  論文  参考訳（メタデータ） (2025-07-15T07:55:09Z)
• Causal LLM Routing: End-to-End Regret Minimization from Observational Data [3.3580884064577616]
  LLMルーティングは、クエリ毎に最も適切なモデルを選択することを目的としている。 従来のアプローチでは、メトリクスを最初に予測し、モデルがこれらの見積に基づいて選択される、分離された戦略が一般的だった。 観測データから意思決定の後悔を最小化してルーティングポリシーを学習する因果的エンドツーエンドフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-21T21:34:18Z)
• Meta-Instance Selection. Instance Selection as a Classification Problem with Meta-Features [0.0]
  本研究は,インスタンス選択過程を統一されたメタ機能空間で行われる分類タスクに変換するアプローチを提案する。 提案手法は,計算複雑性を著しく低減しつつ,参照インスタンス選択法に匹敵する結果が得られる。
  論文  参考訳（メタデータ） (2025-01-20T15:08:19Z)
• A Refreshed Similarity-based Upsampler for Direct High-Ratio Feature Upsampling [54.05517338122698]
  一般的な類似性に基づく機能アップサンプリングパイプラインが提案されている。 本稿では,セマンティック・アウェアとディテール・アウェアの両方の観点から,明示的に制御可能なクエリキー機能アライメントを提案する。 我々は,モーザイクアーティファクトを緩和する上ではシンプルだが有効であるHR特徴に対して,きめ細かな近傍選択戦略を開発する。
  論文  参考訳（メタデータ） (2024-07-02T14:12:21Z)
• Domain Generalization via Rationale Invariance [70.32415695574555]
  本稿では,未確認環境においてもロバストな結果の維持を伴う領域一般化の課題を緩和する新たな視点を提供する。 本稿では,最終結果に対する要素的貢献を決定の根拠として扱い,各試料の根拠を行列として表現することを提案する。 提案手法は, 単純性に拘わらず, 様々なデータセット間で競合する結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-08-22T03:31:40Z)
• UniInst: Unique Representation for End-to-End Instance Segmentation [29.974973664317485]
  ボックスフリーでNMSフリーなエンドツーエンドのインスタンスセグメンテーションフレームワークUniInstを提案する。 具体的には、各インスタンスに1つのユニークな表現を動的に割り当てるインスタンス対応1対1の代入スキームを設計する。 これらの技術により、最初のFCNベースのエンドツーエンドインスタンスセグメンテーションフレームワークであるUniInstは、競争力のあるパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-05-25T10:40:26Z)

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。