回归启发式设计的初衷：利用大语言模型桥接代码与知识

大语言模型推动了组合优化中自动启发式设计的发展。现有方法多采用自底向上范式，通过执行反馈提炼洞察。本文提出互补的自顶向下视角，将知识作为主要搜索对象，代码仅用于实例化验证，使所学内容显式化且可复用。通过统计学习视角形式化该转变，揭示失真 - 压缩权衡，并在多种框架中实现。结果表明，知识优先策略提升了发现效率、迁移性与泛化能力，结合双策略效果更佳，强调构建可解释假设的重要性。