Les modèles de langage conçoivent des heuristiques pour des problèmes de type logistique, si on leur donne une structure
Le gain venait du cadre, pas d'un modèle plus gros, disent les auteurs.
Par La rédaction, Actualités · · 1 min de lecture
Tags: optimisation · algorithmes · modèles de langage · nature
- L'essentiel
- Le gain venait du cadre, pas d'un modèle plus gros, disent les auteurs.
- Pourquoi cela compte
- Un article de Nature Machine Intelligence présente LACE, qui a obtenu 0,945 sur 36 problèmes classiques d'optimisation, contre 0,571 en interrogeant directement un LLM.
- Ce qui est établi
- La photographie a été générée pour cet article.
Lié à une source nommée. Non marqué comme vérifié. Nature Machine Intelligence: Large language models discover complementary heuristics for combinatorial optimization
L'actualité
Un article publié dans Nature Machine Intelligence le 1er octobre présente LACE, pour LLM-driven Algorithm Construction via Complementary Evolution. La méthode découpe la conception d'algorithmes en un contrat fixe d'entrées, de sorties, d'une bibliothèque d'outils et d'un portefeuille d'heuristiques, puis fait évoluer des heuristiques spécialisées qui couvrent différentes sortes d'instances, dans des limites strictes de temps d'exécution.
Pourquoi c'est important
L'optimisation combinatoire fait tourner les plannings, les tournées, les tableaux de service à l'hôpital et les réseaux d'énergie. Automatiser la conception d'heuristiques pourrait économiser des mois de travail d'expert par problème.
Les détails
Sur 36 problèmes classiques de CO-Bench, LACE a atteint un score moyen de 0,945, contre 0,870 pour la meilleure méthode existante fondée sur un LLM et 0,571 pour un prompting direct d'un LLM sans cadre, rapportent les auteurs. Ils attribuent le gain au cadre plutôt qu'au modèle.
Sur quatre problèmes structurellement nouveaux, LACE a obtenu de 0,97 à 0,99, tandis que cinq bases de référence existantes fondées sur des LLM n'ont produit aucun algorithme réalisable.
Ce que nous n'avons pas pu vérifier
- Les scores portent sur la suite de benchmarks choisie par les auteurs.
- Nous n'avons pas pu vérifier de résultats de déploiement dans le monde réel.
Sources
La photographie a été générée pour cet article. Elle ne montre pas les personnes qui y sont nommées.