大语言模型时代的进化计算：调查与路线图
原文中文，约300字，阅读约需1分钟。发表于：。基于大型语言模型（LLMs）和进化算法（EAs）的优势和互补性，本文提出了一篇综合综述和展望性的论文，将它们的相互启示分为 LLM 增强进化优化和 EA 增强 LLM 两个方面，并介绍了一些整合方法来论证在各种应用场景中 LLMs 与 EAs 的融合。这篇论文是围绕 LLMs 时代的 EA 研究的首个综合综述，为了解和利用 LLMs 与 EAs 之间的协作潜力奠定了基础，并提供了挑战和未来方向的指导。
本文综述了大型语言模型（LLMs）和进化算法（EAs）的优势和互补性，并提出了LLM增强进化优化和EA增强LLM两个方面的相互启示。介绍了一些整合方法来论证在各种应用场景中LLMs与EAs的融合。这篇论文为了解和利用LLMs与EAs之间的协作潜力奠定了基础，并提供了未来方向的指导。
