LLM 智能体从零写出专用 LP 求解器，平均快 10 倍
sh_reya · x · 2026-11-03
博主 chenyang.co 发布长文，提出优化求解器的未来在于「实例级特化」：LLM 编程智能体可以从零编写针对特定实例族的求解器，平均取得约 10 倍加速。
实验设置
- 构建 5 个 LP 实例族 benchmark（Stochastic STORM、Set covering、p-median、Facility location、QAP relaxation），各有 CPU/GPU 可利用的结构，分为开发集与未见过 held-out 集
- 用沙箱运行 Claude Opus 5.5（Claude Code）与 GPT-6 Astra（Codex），只告知实例族名称，语言/库不限（Python、C++、CUDA、Rust）
- 先验证解的正确性（数值容差内），再在受控环境测速度
结果（相对最快通用求解器的加速）
- Stochastic STORM：4.8×/4.4×；Set covering：7.5×/5.2×
- p-median：65×/36×；Facility location（GPU）：53×/17×；QAP relaxation（GPU）：11×/5.7×
结论：社区早已知晓实例特化可带来大幅加速，只是实现成本高；LLM 智能体让「自动发现并利用实例结构」变得便宜，预示求解器构建的新范式。
「编程与Agent」频道最新
- AI agent 自创「套娃 k8s」架构：kcp 分区叠 bare metal 叠 KubeVirt 叠 guest 集群 — sloppenheimer · 2026-11-03
- 实测 AI 助手改签机票酒店：烧了大量 token 后不如手动点 App — curious_vii · 2026-11-03
- 开发者转向:对抗式代码审查浪费 token,不如实证+形式化验证 — sloppenheimer · 2026-11-03
- YC 团队发布 QA-Bench:AI 找 Bug 能力比 Codex 多 2.7 倍 — ycombinator · 2026-11-03
- 前职业译员开源 Subtitle Foundry:ASR、时间轴、翻译可拆解的字幕工作台 — mrtdlgc · 2026-11-03
- Anthropic 技能库 8 层架构指南:让 agent 自动选流程、不重复犯错 — 2C_ornot2C · 2026-11-03