ResizeCO：扩散路径求解器的规模泛化方法

ResizeCO 是一种无标签规模泛化方法，通过在大规模实例上使用强化学习（适配 GRPO，以路径长度为训练信号）微调在小实例上训练的扩散模型，并将 k-opt 建模为树搜索、用 GPU 上的束搜索求解。在最多 10000 个节点的 TSP 和 CVRP 规模泛化实验中，ResizeCO 在路径质量与时间的帕累托前沿上优于学习型求解器，并在短运行时间下超越其他求解器，创下新的 SOTA。