LLM 보조 추론을 통한 최적화 결정 개선: 신경망 관점

본 논문은 대규모 다목적 최적화 분야에서 생성 AI(GenAI)와 진화 알고리즘(EAs)의 원활한 통합을 탐구합니다. 대형 언어 모델(LLM)의 변혁적 역할에 초점을 맞추어, 우리는 LLM 보조 추론이 의사 결정 프로세스를 자동화하고 향상시킬 수 있는 잠재력을 조사합니다. 구체적으로, 우리는 진화적으로 최적화된 솔루션에서 주요 결정 변수를 밝히고 맥락적 트레이드오프를 설명하는 데 효과적임을 강조합니다. 복잡한 다목적 최적화 솔루션을 대규모로 유도하는 데 내재된 도전 과제를 해결하기 위해 맞춤화된 우리의 접근 방식은 LLM의 적응적 성격을 강조하며, 이로 인해 LLM이 미세한 설명을 제공하고 다양한 이해관계자의 전문 지식 수준 및 도메인 선호도에 맞춰 언어를 조정할 수 있게 합니다. 실증 연구는 실제 의사 결정 시나리오에서 LLM 보조 추론의 실용적 적용성과 영향을 강조합니다.