Feb, 2024

用于自动分析优化算法的大型语言模型

PDF
TL;DR利用大型语言模型（LLMs）在优化算法领域中的潜力，我们将它们集成到 STNWeb 中，通过生成详细的书面报告和自动生成的图表，提升用户体验，减少研究社区对该工具的采用障碍。同时，我们的方法还可以扩展到优化领域的其他工具，展示了 LLMs 在这一领域的多样性和潜力。
large language modelsoptimization algorithmsstnwebsearch trajectory networksgpt-4
发现论文，激发创造
  • 提问即可得 (一份图形绘制): 测试 ChatGPT 运用图形布局算法的潜力

    本研究旨在探索大型语言模型在图形绘制算法中的应用，并通过 ChatGPT 进行实验，以提升图像可读性和使数据可视化更加易用。通过自然语言进行指定规范，对更广泛的用户提供更加可访问和友好的操作。同时，也更好地了解了如何为 LLMs 制定复杂算法的能力，并提供了平衡的评估机会和挑战。

    Mar, 2023

  • 通过大型语言模型 (LLMs) 探索更有效的张量网络结构搜索算法

    通过利用大型语言模型（LLMs）中嵌入的知识，开发一种名为 GPTN-SS 的方法，它基于演化式的手工制作 LLM 提示系统，可以有效利用现有方法的见解，开发出在探索和开发之间取得更好平衡的新型 TN-SS 算法，并展示了其在高质量 TN 结构的搜索以及自然图像压缩和模型参数压缩方面的优越性能与普适性。

    Feb, 2024

  • 大型语言模型如何帮助人类在设计和制造中？

    大型语言模型 (Large Language Models, LLMs)，如 GPT-4 的进步为生成设计提供了新的机会，本文调查了该工具在整个设计和制造流程中的应用。通过一系列示例，我们突出了当前 LLMs 的优点和局限性，旨在推动这些模型的持续改进和进步。

    Jul, 2023

  • 增加产品曝光率的大型语言模型操作

    研究表明，通过向产品信息页面添加战略性文本序列（STS）可以显著提高产品被大型语言模型（LLMs）推荐为最佳选择的可能性，从而给供应商带来竞争优势，并可能对公平市场竞争产生重大影响。

    Apr, 2024

  • 图上的大型语言模型：综合调查

    通过对大型语言模型在图形上的应用的详细技术和潜在场景进行系统回顾，我们总结了大型语言模型在纯图、文本丰富图和文本配对图中的优缺点，并讨论了其在真实世界应用中的方法以及开源代码和基准数据集。最后，我们提出了这一快速发展领域的潜在未来研究方向。

    Dec, 2023

  • 基于维基百科风格的调查问卷生成的大型语言模型：在 NLP 概念上的评估

    通过对计算机科学 - NLP 领域的 20 个选定主题进行研究和评估，本文证明了 GPT-4 相对于 GPT-3.5 在产生简明调查文章方面的成功，并揭示了 LLM 在特定领域应用中存在的问题和短板。

    Aug, 2023

  • 导航迷宫：评估和提高 LLMs 处理搜索问题的能力

    最近，大型语言模型在数学和推理基准测试中取得了令人瞩目的表现。但是，它们在对人类而言相对容易的逻辑问题和谜题上仍然经常遇到困难。为了进一步研究这个问题，我们引入了一个名为 SearchBench 的新基准测试，其中包含 11 种独特的搜索问题类型，每种问题类型都配备了自动化流程来生成任意数量的实例，并分析 LLM 生成解决方案的可行性、正确性和最优性。我们发现，即使是最先进的 LLM 也无法完全以文本方式解决这些问题，例如 GPT4 只解决了 1.4% 的问题。SearchBench 的问题要求考虑到多个解决路径以及回溯，这对自回归模型构成了重大挑战。指导 LLM 生成解决问题的代码会有所帮助，但是仅有轻微的改进，例如 GPT4 的表现提升到了 11.7%。在这项工作中，我们展示了利用 A * 算法实现的上下文学习如何提高性能。当将这种优化方法与我们提出的多阶段多尝试方法相结合时，它的潜力得到了充分展现，将 GPT-4 的表现提升到了 57% 以上。

    Jun, 2024

  • 数学家的大型语言模型

    大型语言模型（LLMs）如 ChatGPT 因其通用的语言理解能力而备受关注，尤其是它们生成高质量文本或计算机代码的能力。在本文中，我们讨论它们在何种程度上可以辅助数学专家，并提供了现代语言模型中使用的变压器模型的数学描述。基于最近的研究，我们概述了最佳实践和潜在问题，并报告了语言模型的数学能力。最后，我们揭示了 LLMs 改变数学家工作方式的潜力。

    Dec, 2023

  • 利用大型语言模型增强知识图谱构建

    本文分析了当前基础 LLM (ChatGPT) 与专门的预训练模型 (REBEL) 的联合实体和关系提取应用，以可持续发展文本为案例进行了多个实验，结果表明，使用先进的 LLM 模型可以提高从非结构化文本创建知识图谱的过程的准确性，并探索了使用基础 LLM 模型自动创建本体论的潜力，取得更相关和准确的知识图谱。

    May, 2023

  • 图生成中大型语言模型的潜力探索

    本文介绍了 LLM4GraphGen 模型，通过系统性任务设计和广泛的实验探索了大型语言模型在图生成方面的能力，并表明 GPT-4 在图生成任务中展现了初步能力，包括基于规则和分布的生成，同时发现流行的提示方法并不一致地提升性能。此外，LLM 在生成具有特定属性的分子方面展现了潜力，这些发现为基于 LLMs 的图生成模型的设计提供了基础，并提供了有价值的见解和进一步的研究方向。

    Mar, 2024