Los modelos de lenguaje diseñan heurísticas para problemas del estilo de la logística, si se les da estructura
La mejora vino del marco, no de un modelo más grande, dicen los autores.
Por La redacción, Noticias · · 1 min de lectura
Etiquetas: optimización · algoritmos · modelos de lenguaje · Nature
- La noticia
- La mejora vino del marco, no de un modelo más grande, dicen los autores.
- Por qué importa
- Un artículo de Nature Machine Intelligence presenta LACE, que obtuvo 0,945 en 36 problemas clásicos de optimización, frente a 0,571 cuando se pregunta directamente a un LLM.
- Qué está confirmado
- La fotografía está generada para esta historia.
Ligado a una fuente nombrada. No marcado como verificado. Nature Machine Intelligence: Large language models discover complementary heuristics for combinatorial optimization
La noticia
Un artículo publicado en Nature Machine Intelligence el 1 de octubre presenta LACE, siglas de LLM-driven Algorithm Construction via Complementary Evolution (construcción de algoritmos guiada por un modelo de lenguaje, mediante evolución complementaria). Parte el diseño de algoritmos en un contrato fijo de entradas, salidas, una biblioteca de herramientas y una cartera de heurísticas, y después hace evolucionar heurísticas especializadas que cubren distintos tipos de instancias del problema, dentro de límites estrictos de tiempo de ejecución.
Por qué importa
La optimización combinatoria rige los horarios, las rutas, los turnos de hospital y las redes eléctricas. Automatizar el diseño de heurísticas podría ahorrar meses de trabajo experto en cada problema.
Los detalles
En 36 problemas clásicos de CO-Bench, LACE alcanzó una puntuación media de 0,945, frente a 0,870 del método basado en LLM más fuerte de los que ya existían y a 0,571 de preguntar directamente a un LLM sin marco, informan los autores. Atribuyen la mejora al marco, no al modelo.
En cuatro problemas estructuralmente nuevos, LACE obtuvo entre 0,97 y 0,99, mientras que cinco líneas de base ya existentes y basadas en LLM no lograron producir ningún algoritmo factible.
Lo que no pudimos comprobar
- Las puntuaciones corresponden al conjunto de pruebas que eligieron los autores.
- No pudimos comprobar resultados de uso en el mundo real.
Fuentes
La fotografía está generada para esta historia. No muestra a las personas nombradas en ella.