في خطوة سباقة [نحو](/tag/نحو) [تطوير](/tag/تطوير) [تقنيات](/tag/تقنيات) الذكاء الاصطناعي، تتناول هذه [الدراسة](/tag/الدراسة) الجديدة دمج [نماذج [اللغات](/tag/اللغات) الضخمة](/tag/[نماذج](/tag/نماذج)-[اللغات](/tag/اللغات)-الضخمة) (Large Language [Models](/tag/models)) ضمن أطر تطورية، مما يسهم في خلق [معايير جديدة](/tag/[معايير](/tag/معايير)-جديدة) لاكتشاف [الخوارزميات](/tag/الخوارزميات) بشكل آلي. برغم الوعد الذي تحمله هذه الطرق، فإنها غالبًا ما تعتمد على [البحث](/tag/البحث) في [الفضاء](/tag/الفضاء) المتقطع لكتابة البرامج، مما يجعلها تعتمد على [عمليات عشوائية](/tag/عمليات-عشوائية) للتنقل [عبر](/tag/عبر) مشهد [التحسين](/tag/التحسين) غير المحدب.
تقدم [الدراسة](/tag/الدراسة) الحالية إطار [عمل](/tag/عمل) لاكتشاف [الخوارزميات](/tag/الخوارزميات) الهيكلية المستمرة، مما ينقل [التحسين](/tag/التحسين) إلى مانفولد مخفي مُتعلم. يتم ذلك من خلال استخدام مُرمز لتمثيل البرامج المتقطعة في تجسيدات مستمرة وتدريب [نموذج](/tag/نموذج) تعويضي قابل للتفريق للتنبؤ بالأداء، مما يمكّن من [البحث](/tag/البحث) بناءً على التدرج.
لضبط مسار التحسين، يتم استخدام تدفق اعتيادي قابل للعكس لتحويل هذه التجسيدات إلى معيار غاوسي منظم، حيث يتم إجراء تصعيد التدرج. وتُسقط المتجهات المتزايدة المُحسّنة من خلال مُعدّل متعلم في [سياقات](/tag/سياقات) ناعمة، مما يُشعر [نموذج [اللغة](/tag/اللغة) الضخمة](/tag/[نموذج](/tag/نموذج)-[اللغة](/tag/اللغة)-الضخمة) المجمد لتوليد [خوارزميات جديدة](/tag/[خوارزميات](/tag/خوارزميات)-جديدة) قابلة للتنفيذ.
تم [تقييم](/tag/تقييم) الطريقة المقترحة على مجموعة من المشاكل الشهيرة، مثل مشكلة بائع [السفر](/tag/السفر) (Traveling Salesman Problem) ومشكلة [توجيه المركبات](/tag/[توجيه](/tag/توجيه)-المركبات) ذات السعة المحدودة (Capacitated Vehicle Routing Problem) ومشكلة الحقيبة (Knapsack Problem) ومشكلة التعبئة المتصلة على الإنترنت (Online Bin Packing). وقد أظهرت النتائج التجريبية أن [تحسين](/tag/تحسين) [الفضاء](/tag/الفضاء) الكامن المستمر يُحقق أداءً منافسًا مع الأساليب التطورية الحديثة، مقدماً بديلاً منهجياً مكملاً لتصميم [الخوارزميات](/tag/الخوارزميات) الآلي.
يمكن الاطلاع على [كود](/tag/كود) التنفيذ المتاح [عبر](/tag/عبر) الرابط: [https://github.com/cheikh025/LHS].
استكشاف أفق جديد: البحث الهيكلي المستمر لتصميم الخوارزميات الآلي
تسهم نماذج اللغات الضخمة (LLMs) في إحداث ثورة في طرق اكتشاف الخوارزميات بشكل آلي. الدراسة تقدم إطارًا مبتكرًا للتحسين المستمر، متجاوزًا الحدود التقليدية لمجالات البرمجة.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
