LRM-1B: 面向大规模路由模型的探索
机器学习
2025-07-08 v1
摘要
车辆路径问题(VRP)是组合优化的核心问题,具有重要的实际意义.最近的神经 combinatorics优化(NCO)技术通过利用神经网络来求解VRP,显示出有前景的效果,但模型规模在该领域的探索仍属未充分发掘.以大语言模型(LLM)中模型规模成功为灵感,本研究引入10亿参数的大规模路由模型(LRM-1B),用于解决多样化的VRP情形.我们对LRM-1B在多个问题变体、分布和规模上的进行全面评估,确立了最先进的结果.我们的发现表明,LRM-1B不仅适应不同的VRP挑战,还显示出卓越的性能,优于现有模型.此外,我们探索了从100万到10亿参数神经路由模型的规模行为.我们的分析确认了多个模型因子与性能之间的幂律关系,为构建面向基础神经路由求解器的最优配置提供了关键见解.
引用
@article{arxiv.2507.03300,
title = {LRM-1B: Towards Large Routing Model},
author = {Han Li and Fei Liu and Zhenkun Wang and Qingfu Zhang},
journal= {arXiv preprint arXiv:2507.03300},
year = {2025}
}