Renan Butkeraites

一项实证研究检验大语言模型能否不经梯度训练、只靠读前向输出直接写出小型评分网络的权重，用来加速列生成与分支定界这类精确算法。在独立集合成算例上，写出的分支规则用时为SCIP默认规则的0.37倍，并追平或超过同特征下模仿强分支训练的网络；但在亚特兰大公交司机排班的真实数据模型上，0.63倍的时间增益被SCIP自带的纯伪代价规则以0.99的比值完全复现。

一项实证研究检验大语言模型能否不经梯度训练、只靠读前向输出直接写出小型评分网络的权重，用来加速列生成与分支定界这类精确算法。在独立集合成算例上，写出的分支规则用时为SCIP默认规则的0.37倍，并追平或超过同特征下模仿强分支训练的网络；但在亚特兰大公交司机排班的真实数据模型上，0.63倍的时间增益被SCIP自带的纯伪代价规则以0.99的比值完全复现。