基于分布感知的 LLM Agent 算法设计

本文研究学习可执行求解器代码而非预测器的方法。针对未知任务分布，提出“求解器提示”抽象概念，即从样本中推断可重用结构并编译为专用代码。理论证明该方法在正确性和运行时间上均能泛化。实验显示，基于 LLM 代码智能体合成的求解器在多个组合优化问题上，质量优于现有启发式算法，且速度显著快于 Gurobi 及精确后端，实现了从通用优化到特定分布计算的范式转变。