eyeballing 组合问题：使用多模态大语言模型解决旅行商问题案例研究
人工智能
2024-06-12 v1
摘要
多模态大语言模型（MLLMs）在处理多样化的模态（包括文本、图像和音频）方面已显示出色的能力。这些模型利用广泛的现有知识，使其能够以最少或没有特定训练示例的方式来解决复杂问题，证据见于few-shot和zero-shot情境下的学习。本文探讨了利用MLLMs的视觉能力通过分析二维平面上点分布的图像来“ eyeball”解决旅行商问题（TSP）的可能性。我们的实验旨在验证MLLMs是否能够有效地“ eyeball”可行的TSP路线。来自zero-shot、few-shot、self-ensemble和self-refine zero-shot评估的结果显示出有前景的成果。我们预计这些发现将激发进一步探索MLLMs视觉推理能力以解决其他组合问题的兴趣。
关键词
引用
@article{arxiv.2406.06865,
title = {Eyeballing Combinatorial Problems: A Case Study of Using Multimodal Large Language Models to Solve Traveling Salesman Problems},
author = {Mohammed Elhenawy and Ahmed Abdelhay and Taqwa I. Alhadidi and Huthaifa I Ashqar and Shadi Jaradat and Ahmed Jaber and Sebastien Glaser and Andry Rakotonirainy},
journal= {arXiv preprint arXiv:2406.06865},
year = {2024}
}