Evolutionary Computation in the Era of Large Language Model: Survey and Roadmap

本文是LLM系列文章， 针对《Evolutionary Computation in the Era of Large Language Model: Survey and Roadmap》的翻译。

摘要

大型语言模型（LLM）不仅彻底改变了自然语言处理，而且将其能力扩展到了各个领域，标志着向通用人工智能迈出了重要的一步。LLM和进化算法（EA）之间的相互作用，尽管目标和方法不同，但在复杂问题中有着共同的适用性追求。同时，EA可以为LLM在黑匣子设置下的进一步增强提供优化框架，赋予LLM灵活的全局搜索能力。另一方面，LLM固有的丰富领域知识可以使EA进行更智能的搜索。此外，LLM的文本处理和生成能力将有助于在广泛的任务中部署EA。基于这些互补的优势，本文提供了一个全面的回顾和前瞻性的路线图，将相互启发分为两个主要途径：LLM增强的EA和EA增强的LLM。进一步引入了一些集成协同方法，以举例说明LLM和EA在不同场景中的融合，包括神经架构搜索、代码生成、软件工程和各种生成任务。作为LLM时代第一篇关注EA研究的全面综述，本文为理解LLM和EA的合作潜力提供了基础性的垫脚石。通过细致的分类和批判性分析，我们为正在进行的关于这两个强大范式的跨学科研究的讨论做出了贡献。所确定的挑战和未来方向为研究人员和从业者提供了指导，旨在释放这种创新合作的全部潜力，推动优化和人工智能的进步。我们创建了一个GitHub存储库来索引相关论文：https://github.com/wuxingyu-ai/LLM4EC.

1 引言

近年来，大型语言模型