卡内基梅隆大学 发布 FrontierCO 数据集, 应用在 组合优化、机器学习 领域

卡内基梅隆大学 本次发布的数据集 FrontierCO, FrontierCO是一个全面的基准数据集，涵盖了八种典型的组合优化问题类型，并评估了16种代表性的基于机器学习的求解器，包括图神经网络和大型语言模型（LLM）代理。该数据集具有来自工业应用和前沿组合优化研究的挑战性实例，提供了现实的问题难度和丰富的训练数据。通过使用FrontierCO，我们进行了广泛的评估，包括端到端神经求解器、神经增强的传统算法和基于LLM的代理方法，为比较神经和LLM求解器的相对优势和局限性提供了关键的见解。

查看FrontierCO

Dataset card 内容： 

Files and versions 内容： 

关于 卡内基梅隆大学 , 卡内基梅隆大学是一所位于美国宾夕法尼亚州匹兹堡的私立研究型大学，以其在计算机科学、工程、艺术和科学领域的教育和研究而闻名于世。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。