NICO：小规模训练可泛化至千节点路径问题
热点事件持续更新
NICO：小规模训练可泛化至千节点路径问题
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Andoni Irazusta Garmendia 等人提出学习型 2-opt 局部搜索策略 NICO，试图解决神经改进策略在实例规模超出训练规模后性能骤降的问题。NICO 以解的边为 token 表示当前解、不设位置编码，用无标度特征描述边，并把每次移动的精确增益加入其 logit，让网络学习对贪心选择的修正。 据该研究，NICO 仅在最多 100 个节点的实例上训练，在 1000 节点欧氏 TSP 上取得 1.1% 的最优间隙；同一报道给出的对比是贪心 2-opt 为 10.7%、此前最佳学习策略为 36%。这些数字来自作者自述，尚待独立验证。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
NICO：可泛化到更大规模路径规划问题的学习型局部搜索策略报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AINICO：可泛化到更大规模路径规划问题的学习型局部搜索策略
NICO 是一种学习型 2-opt 策略，通过边级 token 表示当前解、无标度特征和精确增益修正，解决神经改进策略在超出训练规模后性能骤降的问题。仅在最多 100 个节点的实例上训练，它在 1000 节点欧氏 TSP 上取得 1.1% 的最优间隙，而贪心 2-opt 为 10.7%、此前最佳学习策略为 36%。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。