机构名称：
¥ 1.0
算法选择是自动机器学习的关键过程，旨在确定用于解决特定问题或执行的最适合算法。主流算法选择技术在很大程度上依赖问题特征，而算法功能的作用仍然很大程度上探讨了。由于算法的内在复杂性，缺乏普遍提取算法信息的有效方法。本文第一次将大型语言模型（LLMS）引入大型语言模型（LLM）迈出了重大差距。通过理解代码文本，LLM不仅捕获了算法的结构和语义方面，而且还展示了上下文意识和库功能的理解。通过LLM提取的高维差异表示，在不介绍特征选择模块后与问题表示结合，并传递给相似性计算模块。选定的算法是由给定问题和不同算法之间的匹配度确定的。广泛的实验验证了所提出的模型的性能以及每个关键模块的效率。此外，我们在模型复杂性上提出了一个理论上的上限，展示了算法表示和特征选择模块的影响。这为我们方法的实际实施提供了宝贵的理论指导。
大语言模型增强算法选择
主要关键词
相关文件推荐
