論文の概要: Agent-written heuristics versus commercial solvers on unsolved job-shop benchmark instances
- arxiv url: http://arxiv.org/abs/2611.17682v1
- Date: Fri, 13 Nov 2026 02:50:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.294942
- Title: Agent-written heuristics versus commercial solvers on unsolved job-shop benchmark instances
- Title(参考訳): 未解決ジョブショップベンチマークインスタンスにおけるエージェント記述ヒューリスティックスと商用ソルバ
- Abstract要約: オープンソースツールのみを用いたフロンティアコーディングエージェントとして使用される大規模言語モデルが,品質と速度で適合するかどうかを検討する。
すべての実行を報告し、独立したチェッカーがすべてのスケジュールを検証します。
- 参考スコア(独自算出の注目度): 1.7289819674602296
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Commercial solvers are the standard tool for difficult scheduling problems. We study whether a frontier large language model, used as a coding agent with open-source tools only, can match them in quality and speed. We report every run, and independent checkers verify every schedule. On the 100,000-operation job shop tai_100_1000_1, an agent-written solver reached 525,515, below OptalCP, Hexaly, and CP Optimizer. Unchanged, it improved all ten instances of the family and closed two. With equal budgets on the same workstation, it ended 0.0-1.8% above the lower bound, against 2.6-5.8% for CP Optimizer and 2.4-4.4% for Hexaly. On the Behnke-Geiger flexible job shops, an agent-written tabu search improved 11 of 32 open instances. With two transport robots, an agent-written solver improved seven of ten MKT instances. New lower bounds show that four published MKT values cannot be attained on the distributed instance files. Agent-run improvement campaigns closed eight further instances.
- Abstract(参考訳): 商用ソルバは、難しいスケジューリング問題の標準ツールである。
オープンソースツールのみを用いたコーディングエージェントとして使用される,フロンティアの大規模言語モデルが,品質と速度で適合するかどうかを検討する。
すべての実行を報告し、独立したチェッカーがすべてのスケジュールを検証します。
10万件のジョブショップ tai_100_1000_1 では,エージェント記述型ソルバが OptalCP, Hexaly, CP Optimizer 以下525,515件に達した。
変更されずに、ファミリーの10インスタンスをすべて改善し、2つをクローズした。
同じワークステーションの予算で0.0-1.8%を下げ、CPオプティマイザは2.6-5.8%、ヘキサリーは2.4-4.4%を下げた。
Behnke-Geigerフレキシブルなジョブショップでは、エージェントによるタブ検索により、32のオープンインスタンスのうち11が改善された。
2つの輸送ロボットにより、エージェント記述の解決器は10個のMKTインスタンスのうち7つを改善した。
新しい下位境界は、分散インスタンスファイルでは4つのMKT値が達成できないことを示している。
エージェントラン改善キャンペーンはさらに8つの事例を閉鎖した。
関連論文リスト
- Termination Lag: Coding Agents Solve Early but Stop Late [7.243327337529763]
コーディングエージェントは、それに取り組むのをやめる前に、タスクをうまく解決することができる。
エージェントの最初の正しいパッチから実行終了までのステップ数である5つのモデル、2つのエージェントフレームワーク、3つのSWEベンチデータセットを特徴付ける。
論文 参考訳(メタデータ) (2026-11-11T03:11:00Z) - ExpertCrowd-SWE: Measuring Frontier Coding Agents on Expert-Authored Engineering Tasks in Unfamiliar Codebases [0.4253810477898188]
ExpertCrowd-SWEは、100名の専門家によるマルチファイルソフトウェアエンジニアリングタスクのベンチマークである。
各タスクは、実際のリポジトリのピン留めされたコミットに対して、実践的なエンジニアによって書かれた変更要求である。
タスクは87のオープンソースプロジェクトと11の言語にまたがる。
論文 参考訳(メタデータ) (2026-11-09T21:20:57Z) - Loud Failures, Quiet Failures: Fault Detection and Recovery in Tool-Using Language Model Agents [0.0]
我々は、ツールが明示的なエラーを返す場合の91.3%の試験において、エージェントが障害を問題として扱うことを示したが、その58.8%の試験では、それが妥当な間違った値を返す。
兄弟姉妹に対してペアを組むと(-9.3点、p .001)、変更計画がさらに(+10.4点、p .001)、回復は変化しない(p =.512)。
障害後、エージェントは同じツールに最大22.2%の試験で3回以上連続して戻るが、正確に同じ繰り返しはまれである。
論文 参考訳(メタデータ) (2026-10-07T13:29:59Z) - Policy as Code: A Coroutine-Bridge Harness for Fast-Reasoning Reliability on CAR-bench [0.0]
CAR-benchは、ツール使用エージェントが現実の不確実性の下で信頼性を維持しているかどうかを評価する。
モデルの唯一のアクションは、評価ツール交換所間で再開されるPythonプログラムを出力することである。
論文 参考訳(メタデータ) (2026-09-24T08:55:13Z) - SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams [55.90739575113059]
再利用の欠如は、関連するタスクのクラスタによって共有される解決手順であり、その周りでSkillGLoWを構築している、と我々は主張する。
4つのベンチマーク(数学的推論、端末の自動化、ソフトウェア修復、実施制御)と3つのモデルで、前者は平均17.2ポイント(ハード)を獲得している。
論文 参考訳(メタデータ) (2026-09-02T07:31:18Z) - AlgoWorlds: Benchmarking Tool Use for Global Optimization in Algorithmic Worlds [58.529749203758634]
ツール使用ベンチマークは一般的に、適切なツールと有効な引数を使用して、エージェントがワークフローを完了するかどうかを評価する。
アルゴワールドス(AlgoWorlds)は、公式に指定された最適化問題を部分的に観察された決定環境に変換するベンチマークである。
AlgoWorldsには、10の最適化ファミリーと4つのワークロードレベルをカバーする240の環境が含まれている。
論文 参考訳(メタデータ) (2026-08-29T18:37:41Z) - Unlocking Model Potentials Through Adaptive Multi-Agent Scaffolding for Efficient Issue Resolution [4.960870628748691]
非効率的なコンテキスト管理は、迅速なコンテキスト劣化とコンテキスト中毒を引き起こす可能性がある。
共有コンテキストを同期型イベントベースのメッセージパッシングに置き換える分散型マルチエージェントスキャフォールディングであるicat-agentを提案する。
icat-agentは、すべての難易度において、顕著なベースラインを一貫して上回る。
論文 参考訳(メタデータ) (2026-06-24T07:48:05Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳(メタデータ) (2025-12-09T06:52:21Z) - SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。
提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。
我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
論文 参考訳(メタデータ) (2025-03-11T17:53:02Z) - Refined Sample Complexity for Markov Games with Independent Linear Function Approximation [49.5660193419984]
マルコフゲーム(MG)はマルチエージェント強化学習(MARL)の重要なモデルである
本稿では、WangらによるAVLPRフレームワークを改良し(2023年)、最適部分ギャップの悲観的推定を設計する。
マルチエージェントの呪いに取り組み、最適な$O(T-1/2)収束率を達成し、同時に$textpoly(A_max)$依存性を避ける最初のアルゴリズムを与える。
論文 参考訳(メタデータ) (2024-02-11T01:51:15Z)
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。