연구진은 조합 최적화(CO)를 위한 자동 휴리스틱 설계(AHD)에서 LLM을 활용한 새로운 접근 방식을 제시하며, 기존의 코드 중심 방식에서 벗어나 지식을 우선적으로 탐색하는 상향식 관점을 도입했어요.
새로운 방식은 통계적 학습 관점에서 지식과 코드를 분리하여 압축과 왜곡 간의 균형을 고려하며, 다양한 CO 문제와 그 외 분야에서 기존 방식보다 효율성, 전이성, 일반화 능력을 향상시켰어요.
코드 중심 방식과 지식 중심 방식을 결합하면 더욱 큰 성과를 얻을 수 있으며, 이는 단일 탐색 경로를 넘어 가치를 유지하는 해석 가능한 가설을 구축하고 발전시키는 데 달려 있음을 보여줘요.