LoRe: 基于分步交互预算的自适应交互-评估路由，用于迭代图求解器
计算机视觉与模式识别
2026-05-29 v1 图形学
摘要
基于扩散的神经求解器用于组合优化问题会重复评估密集的边/因子交互，在墙钟时间和规模下往往受内存限制。受许多体物理计算方法的启发，我们引入LoRe，这是一种训练-free的、在推理时间可插入的包装器，通过在每个迭代中强制执行分步交互-评估预算来实现可扩展性：在每个迭代中，它只评估固定比例的交互，通过动态路由计算到高冲突或高不确定性交互上，而不是使用固定稀疏化(例如静态kNN图或静态掩码)。在完全包容的端到端墙钟时间 accounting 下，LoRe 在最大独立集(MIS)问题上显著提升了可扩展性，将可行推理范围扩展了超过的基线内存限制之外，实现了约的加速和约的峰值内存降低，在该 regime 下保持了解决方案质量。演示了在大规模旅行商问题(TSP)和零样本对拓扑变化的鲁棒性方面的跨任务通用性，LoRe 在 时实现了约的加速，内存降低，并保持有竞争力的旅行路线质量。
引用
@article{arxiv.2605.29004,
title = {Auditing Training-Free 3D Shape Retrieval with Diffused Geodesic Moments},
author = {Zhicheng Du and Changyue Liu and Wenji Xi and Zhaotian Xie and Zhuo Deng and Ziheng Zhang and Yang Liu and Lan Ma},
journal= {arXiv preprint arXiv:2605.29004},
year = {2026}
}