Minwei Kong等发布FrontierOR基准评测LLM大规模优化算法能力
热点事件持续更新
Minwei Kong等发布FrontierOR基准评测LLM大规模优化算法能力
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Minwei Kong 等研究者发布 FrontierOR 基准，用于评测 LLM 设计大规模优化算法的效率。该基准包含 180 个任务，每个任务源自一篇顶级运筹学期刊论文，配有标准化实例和由专家验证、对外隐藏的评测套件；代码和数据已公开。 评测结果显示，当前模型难以从可执行的建模走向高效算法：最强 LLM 在 Full-set 上仅 39% 的任务实例能得到目标差距不超过 1% 的可行解。在 Hard 子集上，测试时自进化可将最强单次生成模型的成功率从 51% 提升到 78%。
AI 根据报道生成 · 2 小时前更新
最新进展11月14日 13:00
FrontierOR 基准发布：评测 LLM 设计大规模优化算法的能力报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AIFrontierOR 基准发布：评测 LLM 设计大规模优化算法的能力
研究团队发布 FrontierOR，一个基于顶级运筹学期刊论文构建的 180 任务基准，用于评测 LLM 生成的大规模优化算法效率。结果显示当前模型难以从可执行的建模走向高效算法，最强 LLM 在 Full-set 上仅 39% 任务实例达成目标差距不超过 1% 的可行解；在 Hard 子集上，测试时自进化可将最强单次生成模型的成功率从 51% 提升到 78%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。