★ 2
AHEAD：面向大规模线性规划的自适应神经加速器
论文提出 AHEAD，为一阶线性规划求解器预测步长而保留其更新规则，通过权重共享预测器读取求解器统计量并缩放原始/对偶步长。学习式交接策略按实例与目标精度设定热启动迭代数。在变量规模达 10^7 的装箱线性规划上，相较 Gurobi 一阶求解器实现 6.5–11.6 倍端到端加速。
arXiv cs.LG5 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 AHEAD，为一阶线性规划求解器预测步长而保留其更新规则，通过权重共享预测器读取求解器统计量并缩放原始/对偶步长。学习式交接策略按实例与目标精度设定热启动迭代数。在变量规模达 10^7 的装箱线性规划上，相较 Gurobi 一阶求解器实现 6.5–11.6 倍端到端加速。
论文用精确质量线性规划与两种学习式事后修复，区分节点分类 GNN 误差来自混合权重不佳还是可达 logit 集位置不当。在八个数据集、八种 GNN 主干与十个划分上，平均准确率从 62.6% 提升至重加权 63.8%、集合条件平移 65.3%。结果显示平移解释了大部分增益，而无标签重加权难以捕捉局…