基于后悔与前瞻的 LLM 自动启发式设计 - HiFo-Prompt
人工智能
2026-02-10 v2 神经与进化计算
最优化与控制
摘要
LLM 基于的自动启发式设计（AHD）在进化计算（EC）框架内显示出有前景的成果。然而，其有效性受到静态算子和缺乏知识积累机制的限制。我们引入 HiFo-Prompt，一个框架通过两种协同的提示策略引导 LLM：前瞻和后悔。基于前瞻的提示根据种群动力学自适应引导搜索，管理探索-开发之间的权衡。此外，基于后悔的提示通过从过往生成的成功启发式提炼出基本、可重用的设计原则来模拟人类专家。这一双重机制将瞬时发现转化为持久的知识库，使 LLM 能够从自身经验中学习。实证结果表明，HiFo-Prompt 在生成更高质量的启发式、实现显著更快收敛和更优查询效率方面显著优于最先进的 LLM 基于 AHD 方法。我们的代码可在 https://github.com/Challenger-XJTU/HiFo-Prompt 提供。
引用
@article{arxiv.2508.13333,
title = {HiFo-Prompt: Prompting with Hindsight and Foresight for LLM-based Automatic Heuristic Design},
author = {Chentong Chen and Mengyuan Zhong and Ye Fan and Jialong Shi and Jianyong Sun},
journal= {arXiv preprint arXiv:2508.13333},
year = {2026}
}
备注
Accepted at ICLR 2026