Buchumschlag

Combinatorial Optimization for All: Using LLMs to Aid Non-Experts in Improving Optimization Algorithms

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sartori, Camilo Chacón, Blum, Christian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Computation and Language Machine Learning Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Improving Existing Optimization Algorithms with LLMs
von: Sartori, Camilo Chacón, et al.
Veröffentlicht: (2025)

irace-evo: Automatic Algorithm Configuration Extended With LLM-Based Code Evolution
von: Sartori, Camilo Chacón, et al.
Veröffentlicht: (2025)

Architectures of Error: A Philosophical Inquiry into AI and Human Code Generation
von: Sartori, Camilo Chacón
Veröffentlicht: (2025)

Utilizing Deep Learning to Optimize Software Development Processes
von: Li, Keqin, et al.
Veröffentlicht: (2024)

GSO: Challenging Software Optimization Tasks for Evaluating SWE-Agents
von: Shetty, Manish, et al.
Veröffentlicht: (2025)

Maestro: Joint Graph & Config Optimization for Reliable AI Agents
von: Wang, Wenxiao, et al.
Veröffentlicht: (2025)

The Art of Repair: Optimizing Iterative Program Repair with Instruction-Tuned Models
von: Ruiz, Fernando Vallecillos, et al.
Veröffentlicht: (2025)

SWE-Spot: Building Small Repo-Experts with Repository-Centric Learning
von: Peng, Jinjun, et al.
Veröffentlicht: (2026)

GRAPH-GRPO-LEX: Contract Graph Modeling and Reinforcement Learning with Group Relative Policy Optimization
von: Dechtiar, Moriya, et al.
Veröffentlicht: (2025)

XFT: Unlocking the Power of Code Instruction Tuning by Simply Merging Upcycled Mixture-of-Experts
von: Ding, Yifeng, et al.
Veröffentlicht: (2024)

SWE-Protégé: Learning to Selectively Collaborate With an Expert Unlocks Small Language Models as Software Engineering Agents
von: Kon, Patrick Tser Jern, et al.
Veröffentlicht: (2026)

Rethinking Repetition Problems of LLMs in Code Generation
von: Dong, Yihong, et al.
Veröffentlicht: (2025)

SQLong: Enhanced NL2SQL for Longer Contexts with LLMs
von: Nguyen, Dai Quoc, et al.
Veröffentlicht: (2025)

Evaluation of LLMs on Syntax-Aware Code Fill-in-the-Middle Tasks
von: Gong, Linyuan, et al.
Veröffentlicht: (2024)

Non-Determinism of "Deterministic" LLM Settings
von: Atil, Berk, et al.
Veröffentlicht: (2024)

Do LLMs Consider Security? An Empirical Study on Responses to Programming Questions
von: Sajadi, Amirali, et al.
Veröffentlicht: (2025)

CDS4RAG: Cyclic Dual-Sequential Hyperparameter Optimization for RAG
von: Chen, Pengzhou, et al.
Veröffentlicht: (2026)

Improving Code Generation by Training with Natural Language Feedback
von: Chen, Angelica, et al.
Veröffentlicht: (2023)

CodeTool: Enhancing Programmatic Tool Invocation of LLMs via Process Supervision
von: Lu, Yifei, et al.
Veröffentlicht: (2025)

LLMSYS-HPOBench: Hyperparameter Optimization Benchmark Suite for Real-World LLM Systems
von: Wu, Siyu, et al.
Veröffentlicht: (2026)

ToolRegistry: A Protocol-Agnostic Tool Management Library for Function-Calling LLMs
von: Ding, Peng, et al.
Veröffentlicht: (2025)

LiveCodeBench Pro: How Do Olympiad Medalists Judge LLMs in Competitive Programming?
von: Zheng, Zihan, et al.
Veröffentlicht: (2025)

Automated Unity Game Template Generation from GDDs via NLP and Multi-Modal LLMs
von: Hassan, Amna
Veröffentlicht: (2025)

mcdok at SemEval-2026 Task 13: Finetuning LLMs for Detection of Machine-Generated Code
von: Skurla, Adam, et al.
Veröffentlicht: (2026)

Synergizing LLMs and Knowledge Graphs: A Novel Approach to Software Repository-Related Question Answering
von: Abedu, Samuel, et al.
Veröffentlicht: (2024)

The Larger the Better? Improved LLM Code-Generation via Budget Reallocation
von: Hassid, Michael, et al.
Veröffentlicht: (2024)

How Do Your Code LLMs Perform? Empowering Code Instruction Tuning with High-Quality Data
von: Wang, Yejie, et al.
Veröffentlicht: (2024)

Is Programming by Example solved by LLMs?
von: Li, Wen-Ding, et al.
Veröffentlicht: (2024)

Code to Think, Think to Code: A Survey on Code-Enhanced Reasoning and Reasoning-Driven Code Intelligence in LLMs
von: Yang, Dayu, et al.
Veröffentlicht: (2025)

Search-Based LLMs for Code Optimization
von: Gao, Shuzheng, et al.
Veröffentlicht: (2024)

Lita: Light Agent Uncovers the Agentic Coding Capabilities of LLMs
von: Dai, Hankun, et al.
Veröffentlicht: (2025)

Predicting Intermittent Job Failure Categories for Diagnosis Using Few-Shot Fine-Tuned Language Models
von: Aïdasso, Henri, et al.
Veröffentlicht: (2026)

The Specification Gap: Coordination Failure Under Partial Knowledge in Code Agents
von: Sartori, Camilo Chacón
Veröffentlicht: (2026)

What Is Wrong with My Model? Identifying Systematic Problems with Semantic Data Slicing
von: Yang, Chenyang, et al.
Veröffentlicht: (2024)

EffiPair: Improving the Efficiency of LLM-generated Code with Relative Contrastive Feedback
von: Hajizadeh, Samira, et al.
Veröffentlicht: (2026)

APRIL: API Synthesis with Automatic Prompt Optimization and Reinforcement Learning
von: Zhong, Hua, et al.
Veröffentlicht: (2025)

$\textbf{PLUM}$: Improving Code LMs with Execution-Guided On-Policy Preference Learning Driven By Synthetic Test Cases
von: Zhang, Dylan, et al.
Veröffentlicht: (2024)

PerfRL: A Small Language Model Framework for Efficient Code Optimization
von: Duan, Shukai, et al.
Veröffentlicht: (2023)

Lean Refactor: Multi-Objective Controllable Proof Optimization via Agentic Strategy Search
von: Lu, Jialin, et al.
Veröffentlicht: (2026)

Self-Organized Agents: A LLM Multi-Agent Framework toward Ultra Large-Scale Code Generation and Optimization
von: Ishibashi, Yoichi, et al.
Veröffentlicht: (2024)