Copertina

LLMs can Schedule

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Abgaryan, Henrik, Harutyunyan, Ararat, Cazenave, Tristan
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Starjob: Dataset for LLM-Driven Job Shop Scheduling
di: Abgaryan, Henrik, et al.
Pubblicazione: (2025)

ACCORD: Autoregressive Constraint-satisfying Generation for COmbinatorial Optimization with Routing and Dynamic attention
di: Abgaryan, Henrik, et al.
Pubblicazione: (2025)

Monte Carlo Search Algorithms Discovering Monte Carlo Tree Search Exploration Terms
di: Cazenave, Tristan
Pubblicazione: (2024)

Generalized Nested Rollout Policy Adaptation with Limited Repetitions
di: Cazenave, Tristan
Pubblicazione: (2024)

Learning a Prior for Monte Carlo Search by Replaying Solutions to Combinatorial Problems
di: Cazenave, Tristan
Pubblicazione: (2024)

Eterna is Solved
di: Cazenave, Tristan
Pubblicazione: (2025)

Monte Carlo Permutation Search
di: Cazenave, Tristan
Pubblicazione: (2025)

Minibal: Balanced Game-Playing Without Opponent Modeling
di: Cohen-Solal, Quentin, et al.
Pubblicazione: (2026)

Minimax Strikes Back
di: Cohen-Solal, Quentin, et al.
Pubblicazione: (2020)

On some improvements to Unbounded Minimax
di: Cohen-Solal, Quentin, et al.
Pubblicazione: (2025)

Adaptive Bias Generalized Rollout Policy Adaptation on the Flexible Job-Shop Scheduling Problem
di: Kobrosly, Lotfi, et al.
Pubblicazione: (2025)

Perfect Information Monte Carlo with Postponing Reasoning
di: Arjonilla, Jérôme, et al.
Pubblicazione: (2024)

Enhancing Reinforcement Learning Through Guided Search
di: Arjonilla, Jérôme, et al.
Pubblicazione: (2024)

Monte Carlo Graph Coloring
di: Cazenave, Tristan, et al.
Pubblicazione: (2025)

Generalized Rapid Action Value Estimation in Memory-Constrained Environments
di: Rautureau, Aloïs, et al.
Pubblicazione: (2026)

SpinGPT: A Large-Language-Model Approach to Playing Poker Correctly
di: Maugin, Narada, et al.
Pubblicazione: (2025)

BeeRNA: tertiary structure-based RNA inverse folding using Artificial Bee Colony
di: Mlaweh, Mehyar, et al.
Pubblicazione: (2025)

Pareto-NRPA: A Novel Monte-Carlo Search Algorithm for Multi-Objective Optimization
di: Lallouet, Noé, et al.
Pubblicazione: (2025)

Mixture of Public and Private Distributions in Imperfect Information Games
di: Arjonilla, Jérôme, et al.
Pubblicazione: (2024)

Deep Reinforcement Learning for 5*5 Multiplayer Go
di: Driss, Brahim, et al.
Pubblicazione: (2024)

Refutation of Spectral Graph Theory Conjectures with Search Algorithms)
di: Roucairol, Milo, et al.
Pubblicazione: (2024)

R-ConstraintBench: Evaluating LLMs on NP-Complete Scheduling
di: Jain, Raj, et al.
Pubblicazione: (2025)

LLMs can Realize Combinatorial Creativity: Generating Creative Ideas via LLMs for Scientific Research
di: Gu, Tianyang, et al.
Pubblicazione: (2024)

LLMs can be easily Confused by Instructional Distractions
di: Hwang, Yerin, et al.
Pubblicazione: (2025)

Following the Teacher's Footsteps: Scheduled Checkpoint Distillation for Domain-Specific LLMs
di: Feng, Cheng, et al.
Pubblicazione: (2026)

How well can LLMs provide planning feedback in grounded environments?
di: Li, Yuxuan, et al.
Pubblicazione: (2025)

Three Dogmas of Reinforcement Learning
di: Abel, David, et al.
Pubblicazione: (2024)

Limits of PRM-Guided Tree Search for Mathematical Reasoning with LLMs
di: Cinquin, Tristan, et al.
Pubblicazione: (2025)

On the Prospects of Incorporating Large Language Models (LLMs) in Automated Planning and Scheduling (APS)
di: Pallagani, Vishal, et al.
Pubblicazione: (2024)

LLMs can construct powerful representations and streamline sample-efficient supervised learning
di: Demirel, Ilker, et al.
Pubblicazione: (2026)

How well can LLMs Grade Essays in Arabic?
di: Ghazawi, Rayed, et al.
Pubblicazione: (2025)

LLMs Gaming Verifiers: RLVR can Lead to Reward Hacking
di: Helff, Lukas, et al.
Pubblicazione: (2026)

'Too much alignment; not enough culture': Re-balancing cultural alignment practices in LLMs
di: Orlowski, Eric J. W., et al.
Pubblicazione: (2025)

LLMs can Compress LLMs: Adaptive Pruning by Agents
di: Kodathala, Sai Varun, et al.
Pubblicazione: (2026)

LLMs can Find Mathematical Reasoning Mistakes by Pedagogical Chain-of-Thought
di: Jiang, Zhuoxuan, et al.
Pubblicazione: (2024)

No Need for Explanations: LLMs can implicitly learn from mistakes in-context
di: Alazraki, Lisa, et al.
Pubblicazione: (2025)

Colouring Complete Multipartite and Kneser-type Digraphs
di: Harutyunyan, Ararat, et al.
Pubblicazione: (2023)

Schedule-and-Calibrate: Utility-Guided Multi-Task Reinforcement Learning for Code LLMs
di: Chen, Yujia, et al.
Pubblicazione: (2026)

WILBUR: Adaptive In-Context Learning for Robust and Accurate Web Agents
di: Lutz, Michael, et al.
Pubblicazione: (2024)

CoS: Towards Optimal Event Scheduling via Chain-of-Scheduling
di: Zhao, Yiming, et al.
Pubblicazione: (2025)