用于端到端组合优化的 VLM 微调

大语言模型 (LLM) 为端到端组合优化 (CO) 提供了统一的接口，但单独的文本序列化可能会掩盖对于生成有效的 CO 解决方案非常重要的空间和关系结构。本文提出了一种通用视觉语言求解器，它通过输入衍生的视觉表示来增强文本实例描述。单一视觉语言模型 (VLM) 应用于不同的 CO 任务，并使用监督微调和验证者引导的强化学习进行训练。虽然视觉输入不包含黄金解决方案或解决方案衍生的信息，但我们的实验表明，与纯文本对应物相比，VLM 通常提高了解决方案质量，尤其是在处理 CVRP 和 JSSP 等更复杂的 CO 问题时，效果尤其明显。视觉信息的优势在大问题规模上更加明显。