CVaR-RMD：用LLM进化并以CVaR风险敏感排序发现启发式
热点事件观察中
CVaR-RMD：用LLM进化并以CVaR风险敏感排序发现启发式
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Ruodai Cui 和 Li Niu 发布 CVaR-RMD 论文预印本：一个风险敏感的进化式启发式发现框架，用 LLM 变异可执行的启发式程序，并在异质评估条件下按经验条件风险价值（CVaR）对候选方案排序。 基于论文摘要，作者声称在三个组合优化领域，CVaR 选择压力改善了上尾表现并降低失败率，同时保持有竞争力的平均性能；结果还延伸到更大规模的未见实例和独立整理的领域内基准。以上为论文摘要层面的作者声称，尚未有独立验证。
AI 根据报道生成 · 11 小时前更新
最新进展10月20日 12:00
CVaR-RMD：用CVaR选择压力实现鲁棒元启发式发现报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AICVaR-RMD：用CVaR选择压力实现鲁棒元启发式发现
CVaR-RMD让LLM通过迭代程序搜索变异可执行启发式，并用异质评估条件下的经验条件风险价值（CVaR）排序候选方案。基于论文摘要，该方法在三个组合优化领域改善了上尾表现并降低失败率，同时保持有竞争力的平均性能；这些结果还延伸到了更大规模的未见实例和独立整理的领域内基准。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 610月21日 06:00
- 近 24 小时变化
- –
0246
06:0008:0010:0012:0014:00
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。