ResizeCO：扩散路径求解器规模泛化方法

2026年10月14日，arXiv Artificial Intelligence 发布论文，提出 ResizeCO——一种无标签规模泛化方法，用于扩散路径求解器。据该报道，ResizeCO 通过在大规模实例上使用强化学习微调在小实例上训练的扩散模型，适配 GRPO 并以路径长度为训练信号，同时将 k-opt 建模为树搜索、用 GPU 上的束搜索求解。报道称，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。上述结果与条件均来自该论文报道，尚未见其他独立来源跟进或复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。