論文の概要: Dream-COP: Guiding Algorithm Discovery for Combinatorial Optimization Problems in an Experience World

• arxiv url: http://arxiv.org/abs/2610.36618v1
• Date: Tue, 27 Oct 2026 04:22:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.48205
• Title: Dream-COP: Guiding Algorithm Discovery for Combinatorial Optimization Problems in an Experience World
• Title（参考訳）: Dream-COP: 経験の世界における組合せ最適化問題のためのアルゴリズム発見のガイド
• Abstract要約: 大規模言語モデル(LLM)は最適化問題(COP)のアルゴリズム発見を可能にする 主な課題は、検索を整理して、限られた予算内でより良いアルゴリズムを見つける方法だ。 本稿では,この経験の世界において,Emphdreamingを通じて,Emphpolicyエージェントが実行可能なポリシーを学習するDream-COPを紹介した。
• 参考スコア（独自算出の注目度）: 50.89958190397953
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large language models (LLMs) enable algorithm discovery for combinatorial optimization problems (COPs) through iterative program generation and evaluation. A central challenge is how to organize search to discover better algorithms within a limited budget. Our key insight is that past search trajectories and their recorded outcomes form an experience world, which can be used to facilitate the COP solving through replay. We introduce Dream-COP, in which a \emph{policy agent} learns executable policies through \emph{dreaming} in this experience world to guide a \emph{discovery agent} in generating and refining COP programs. Specifically, policy replay provides feedback on the quality of the programs revealed and the search steps used, to guide policy selection more effectively. Across five COPs, \textsc{Dream} discovers better algorithms than fixed exploration in both heuristic component design and complete solver generation. Particularly, it matches the optimal values on KP and reduces the gap on OBPP from 2.112\% to 1.199\% while using 42.5\% fewer search requests. Moreover, the learned exploration policies transfer effectively across different COPs with the assitance of the experience world.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、反復プログラムの生成と評価を通じて組合せ最適化問題(COP)のアルゴリズム発見を可能にする。 重要な課題は、検索を整理して、限られた予算内でより良いアルゴリズムを見つける方法だ。 我々の重要な洞察は、過去の探索軌跡と記録された結果が経験の世界を形成し、リプレイによるCOP解決を促進することができるということである。 本稿では,この経験の世界において,‘emph{dreaming} を通じて,’emph{discovery agent} を誘導して COP プログラムの生成と精錬を行う,Dream-COP を紹介した。 具体的には、ポリシー選択をより効果的に導くために、明らかにされたプログラムの品質と使用する検索手順に関するフィードバックを提供する。 5つのCOPにわたって、textsc{Dream} はヒューリスティックなコンポーネント設計と完全ソルバ生成の両方において、固定探索よりも優れたアルゴリズムを発見する。 特に、KPの最適値と一致し、OBPPのギャップを2.112\%から1.199\%に減らし、検索要求を42.5\%削減する。 さらに、学習した探索政策は、経験世界の援助を得て、異なるCOP間で効果的に伝達する。

関連論文リスト

• optimize_anything: A Universal API for Optimizing any Text Parameter [98.42497715725356]
  単一タスク検索をサポートする1つのAIベースの最適化システム、クロスプロブレム転送によるマルチタスク検索、および目に見えない入力への一般化を示す。 LLMに基づく検索によるテキストの最適化は汎用的な問題解決パラダイムであることを示す。
  論文  参考訳（メタデータ） (2026-05-19T10:18:12Z)
• AlphaResearch: Accelerating New Algorithm Discovery with Language Models [60.502137348923156]
  大規模言語モデルは複雑だが検証が容易な問題において大きな進歩を遂げてきたが、未知の発見に苦戦している。 オープンエンド問題に対する新しいアルゴリズムの発見を目的とした,自律型研究エージェントである textbfAlphaResearch を提示する。
  論文  参考訳（メタデータ） (2025-11-11T18:03:22Z)
• MiGrATe: Mixed-Policy GRPO for Adaptation at Test-Time [45.001220323583574]
  MiGrATeは、外部のトレーニングデータを必要とせずに、推論時に大きな言語モデルを適応する検索アルゴリズムである。 我々はMiGrATeを3つの挑戦的ドメイン単語探索、分子最適化、仮説+プログラム誘導で評価した。
  論文  参考訳（メタデータ） (2025-08-12T05:08:21Z)
• In-context Demonstration Matters: On Prompt Optimization for Pseudo-Supervision Refinement [71.60563181678323]
  大規模言語モデル(LLM)は様々なタスクで大きな成功を収めており、生成品質をさらに向上させるためには微調整が必要である場合もある。 これらの課題に対処する直接的な解決策は、教師なしの下流タスクから高信頼のデータを生成することである。 本稿では,プロンプトと全体的な擬似スーパービジョンを両立させる新しい手法,擬似教師付きデモアライメント・アライメント・アライメント・プロンプト・最適化(PAPO)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-04T03:39:28Z)
• Retrieval with Learned Similarities [2.729516456192901]
  最先端の検索アルゴリズムは、学習された類似点に移行した。 そこで本研究では,Mixture-of-Logits (MoL) を実証的に実現し,多様な検索シナリオにおいて優れた性能が得られることを示す。
  論文  参考訳（メタデータ） (2024-07-22T08:19:34Z)
• JoinGym: An Efficient Query Optimization Environment for Reinforcement Learning [58.71541261221863]
  結合順序選択(JOS)は、クエリの実行コストを最小化するために結合操作を順序付けする問題である。 木質強化学習(RL)のためのクエリ最適化環境JoinGymを提案する。 JoinGymは内部で、事前計算されたデータセットから中間結果の濃度を調べることで、クエリプランのコストをシミュレートする。
  論文  参考訳（メタデータ） (2023-07-21T17:00:06Z)
• Sparse Reward Exploration via Novelty Search and Emitters [55.41644538483948]
  本稿では,SparsE Reward Exploration via Novelty and Emitters (SERENE)アルゴリズムを提案する。 SERENEは、探索空間の探索と報酬の搾取を2つの交互プロセスに分けている。 メタスケジューラは、2つのプロセス間の交互にグローバルな計算予算を割り当てる。
  論文  参考訳（メタデータ） (2021-02-05T12:34:54Z)
• Exploratory Grasping: Asymptotically Optimal Algorithms for Grasping Challenging Polyhedral Objects [31.82394962213321]
  本研究では,未知の多面体物体の信頼度を効率的に把握するための新しい問題設定である探索グラフ作成法を提案する。 オンラインラピッドグラフ探索戦略(BORGES)のための効率的なバンディットスタイルのアルゴリズムを提案する。 BORGESは、汎用的な把握パイプラインと、他の2つのオンライン学習アルゴリズムを大きく上回る。
  論文  参考訳（メタデータ） (2020-11-11T08:42:30Z)
• A global-local neighborhood search algorithm and tabu search for flexible job shop scheduling problem [3.946442574906068]
  この研究はGLNSA(Global-local neighborhood search algorithm)と呼ばれる新しいメタヒューリスティックアルゴリズムを提案する。 提案アルゴリズムは,Nopt1地区の簡易版を実装したタブ検索と補完する。 実験の結果,提案アルゴリズムの性能は,最近発表された他のアルゴリズムと比較すると良好であった。
  論文  参考訳（メタデータ） (2020-10-23T23:08:51Z)

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。