机构名称：
¥ 2.0
摘要 - LARGE语言模型（LLMS）不仅对自然语言处理进行了修订，而且还将其实力扩展到了各个领域，标志着对人工通用情报的重大迈进。LLM与进化算法之间的相互作用（EAS），尽管目标和方法的不同，但在复杂问题中的适用性有共同的追求。同时，EA可以为LLM在Black-Box设置下的进一步增强提供优化框架，从而使LLM具有灵活的全球搜索能力。另一方面，LLMS固有的丰富领域知识可以使EA能够进行更智能的搜索。此外，LLMS的文本处理和生成功能将有助于在各种任务中部署EAS。基于这些互补的优势，本文提供了详尽的审查和前瞻性的路线图，将互惠灵感分为两个主要途径：LLM增强的EA和EA-EA-EA-EA-EA-EA-HANCHANCEL LLM。进一步引入了一些集成的协同方法，以体现LLMS和EAS之间的互补性，包括代码生成，软件工程，神经体系结构搜索以及各种一代任务。作为第一个全面的综述，重点是LLM时代的EA研究，本文为了解LLMS和EAS的协作潜力提供了基础垫脚石。确定的挑战和未来的方向为研究人员和从业人员提供了指导，以释放这种创新合作在优化和人工智能方面的进步方面的全部潜力。我们创建了一个github存储库来索引相关论文：https：//github.com/wuxingyu-ai/llm4ec。
大语言模型时代的进化计算：调查和路线图
主要关键词
相关文件推荐
