تُعتبر مهمة تصميم الأساليب (heuristics) لمشاكل التحسين التوافقي (Combinatorial Optimization Problems - COPs) تحديًا أساسيًا لم يتوانَ الباحثون في استكشافه. في السنوات الأخيرة، أظهرت تقنيات تصميم الأساليب التلقائية المستندة إلى النماذج اللغوية الكبيرة (Large Language Models - LLMs) وعودًا واعدة في إمكانية توليد مكونات أسلوبية بحد أدنى من التدخل البشري. ومع ذلك، تكمن المشكلة الرئيسية في أن معظم الطرق الحالية تفرض قوالب خوارزمية ثابتة، مما يحد من التعبير العملي والابتكار.
إليكم الحل الثوري! تقدم A2DEPT، وهي تقنية جديدة تعتمد على تصميم الخوارزميات من خلال الأشجار البرمجية التطورية (Evolutionary Program Trees)، حيث تُعتبر النماذج اللغوية الكبيرة مهندسين لتصميم الخوارزميات على مستوى النظام. تتمتع A2DEPT بقدرة مذهلة على استكشاف الفضاء الضخم للبرامج عبر بحث تطوري هيكلي، مما يعزز من فعالية الخوارزميات ويدعم تحسينها بشكل تدريجي.
نتائج مثيرة للاهتمام
في التجارب، تفوقت A2DEPT باستمرار على القواعد الأساسية الأخرى المستندة إلى النماذج اللغوية الكبيرة، حيث حققت انخفاضًا بنسبة 9.8% في الفجوة المثالية المُقاسة بالنسبة لأقوى طرق تصميم الأساليب التقليدية.
أحببت هذه الإنجازات التي حققتها A2DEPT؟ كيف تتوقع أن تؤثر هذه التقنيات على مجال تحسين الخوارزميات في المستقبل؟