ResizeCO：扩散路由求解器规模泛化新法

研究者 Barak Itzchak Davidovitch 等人提出 ResizeCO，一种无需标签的规模泛化方法，用于把在小规模实例上训练的扩散模型适配到大规模路由问题。该方法用强化学习进行适配，采用 GRPO，并以路径长度作为训练信号。 在求解环节，作者将 k-opt 重构为树搜索，并在 GPU 上用 beam search 求解，以应对大规模实例的计算速度问题。据作者称，这一方法同时针对更大实例统计性质的变化和快速求解的计算挑战。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。