Large Language Models for the Automated Analysis of Optimization Algorithms

要約

高品質のテキストとコードを生成するラージ言語モデル (LLM) の機能により、その人気が高まりました。
このペーパーでは、LLM を STNWeb に統合することにより、最適化アルゴリズムの領域における LLM の可能性を実証することを目的としています。
これは、最適化アルゴリズムの動作を視覚化した検索軌跡ネットワーク (STN) を生成するための Web ベースのツールです。
STNWeb によって作成された視覚化はアルゴリズム設計者にとって非常に有益ですが、多くの場合、解釈するには一定レベルの事前知識が必要です。
この知識のギャップを埋めるために、LLM、特に GPT-4 を STNWeb に組み込んで、自動生成されたプロットによって補完された広範な書面によるレポートを作成しました。これにより、ユーザー エクスペリエンスが向上し、企業によるこのツールの導入に対する障壁が軽減されます。
研究コミュニティ。
さらに、私たちのアプローチは最適化コミュニティの他のツールに拡張でき、この分野における LLM の多用途性と可能性を示します。

要約(オリジナル)

The ability of Large Language Models (LLMs) to generate high-quality text and code has fuelled their rise in popularity. In this paper, we aim to demonstrate the potential of LLMs within the realm of optimization algorithms by integrating them into STNWeb. This is a web-based tool for the generation of Search Trajectory Networks (STNs), which are visualizations of optimization algorithm behavior. Although visualizations produced by STNWeb can be very informative for algorithm designers, they often require a certain level of prior knowledge to be interpreted. In an attempt to bridge this knowledge gap, we have incorporated LLMs, specifically GPT-4, into STNWeb to produce extensive written reports, complemented by automatically generated plots, thereby enhancing the user experience and reducing the barriers to the adoption of this tool by the research community. Moreover, our approach can be expanded to other tools from the optimization community, showcasing the versatility and potential of LLMs in this field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google