本研究探讨了大型语言模型（LLMs）在优化算法中的应用，提出了创新的启发式变体。结果表明，GPT-4o的替代启发式在复杂图上的表现优于传统CMSA，显示了LLMs在优化领域的潜力。

本研究提出了一种新颖的修剪技术，开发了快速找到大型稀疏图中最大团的精确算法。实验结果表明，该算法在速度上优于现有方法，并且提出的启发式变体能够在接近最优解的情况下显著加快计算速度。