LLM-driven Evolution Combinatorial Optimization Mathematical Discovery OpenEvolve
摘要

本文首次确定了三个扎兰凯维奇数的精确值,并为另外 41 个数建立了新的下界。研究成果基于 OpenEvolve,这是一种开源的、基于大语言模型的进化算法。该算法通过针对特定问题定制的奖励信号,迭代优化生成数学构造的算法。研究不仅提供了新的极值图构造,还展示了 LLM 引导的进化搜索在数学研究中的潜力。该方法成本低廉且可复现,证明了其作为发现新组合构造工具的有效性。

AI 推荐理由

论文核心基于 LLM 驱动的进化搜索算法(OpenEvolve),通过迭代优化解决数学问题,完美契合自我进化主题。

研究机构
Massachusetts Institute of Technology, Cambridge, MA 02139 ETH Zürich, Zürich, Switzerland 8092
论文信息
作者 Jay Bhan, Nicole Nobili, Srinivasan Raghuraman, Patrick Langer
发布日期 2026-05-01
arXiv ID 2605.01120
相关性评分 9/10 (高度相关)