Hoppa till innehåll
Forskning· Analys

LLM förbättrar Zarankiewicz-tal via evolutionär sökning

En ny studie publicerad på arXiv visar hur en LLM-baserad evolutionär algoritm har fastställt exakta värden för tre Zarankiewicz-tal och förbättrat undre gränser för ytterligare 41.

Av Aheadline-redaktionen·7 juli 2026·2 min läsning·Källa: arXiv cs.AIVerifierad signalAI-genererad
LLM förbättrar Zarankiewicz-tal via evolutionär sökning
LLM förbättrar Zarankiewicz-tal via evolutionär sökning
LLM förbättrar Zarankiewicz-tal via evolutionär sökning
Av · Policy- & EU-reporter
Senast uppdaterad

Vad har hänt

Forskare har, med hjälp av en öppen källkods algoritm kallad OpenEvolve, lyckats fastställa de exakta värdena för tre Zarankiewicz-tal: Z(11, 21, 3, 3)=116, Z(11, 22, 3, 3)=121 och Z(12, 22, 3, 3)=132. Utöver detta har undre gränser förbättrats för ytterligare 41 Zarankiewicz-tal, varav flera nu ligger inom en enhet från de bästa kända övre gränserna. Fyra tidigare stängda fall matchades också. Resultaten presenterades i en studie publicerad den 15 maj 2026 på arXiv.

Snabbfakta

Publiceringsdatum15 maj 2026
Antal exakta Zarankiewicz-tal fastställda3
Antal Zarankiewicz-tal med förbättrade undre gränser41
AlgoritmOpenEvolve (LLM-baserad)

The Zarankiewicz number Z(m, n, s, t) is the maximum number of edges in a bipartite graph G_{m, n} such that there is no complete K_{s, t} bipartite subgraph. We determine for the first time the exact values of three Zarankiewicz numbers: Z(11, 21, 3, 3)=116, Z(11, 22, 3, 3)=121,

null, null · arXiv

Our results are obtained using OpenEvolve, an open-source evolutionary algorithm based on Large Language Models (LLMs) that iteratively improves algorithms for generating mathematical constructions by optimizing a reward signal which we tailored for this specific problem.

null, null · arXiv

These findings provide new extremal graph constructions and demonstrate the potential of LLM-guided evolutionary search

null, null · arXiv

Varför det spelar roll

Zarankiewicz-tal är ett centralt begrepp inom extrem grafteori som beskriver det maximala antalet kanter i en bipartit graf som inte innehåller en given bipartit subgraf. Studien visar potentialen hos LLM-styrd evolutionär sökning för att lösa komplexa matematiska problem. Fastställandet av nya Zarankiewicz-tal och förbättringen av undre gränser ger nya extremala grafkonstruktioner.

Vem påverkas

Forskare inom matematik och datavetenskap, särskilt de som arbetar med grafteori, kombinatorik och optimeringsalgoritmer, påverkas direkt av dessa nya rön. Även utvecklare av LLM-baserade ingenjörs- och forskningsverktyg, såsom OpenAI:s, kan finna metodiken relevant. Resultaten driver fram gränserna för vad som är möjligt att uppnå med AI inom komplexa matematiska områden.

EU-status

Ej relevant för EU-status.

Mer att veta

OpenEvolve är en öppen källkods algoritm som är baserad på storskaliga språkmodeller och optimerar belöningssignaler för att iterativt förbättra algoritmer för att generera matematiska konstruktioner. Denna metodik skräddarsyddes för det specifika problemet med Zarankiewicz-tal.

Vanliga frågor

Snabba svar om den här nyheten

Vad har hänt?
Forskare har använt en LLM-baserad algoritm, OpenEvolve, för att fastställa exakta värden för tre Zarankiewicz-tal och förbättra undre gränser för ytterligare 41 sådana tal.
När hände det?
Resultaten publicerades i en studie på arXiv den 15 maj 2026.
Varför spelar det roll?
Det visar potentialen hos LLM-styrd evolutionär sökning för komplexa matematiska problem och driver fram gränserna för extrem grafteori genom att ge nya konstruktioner.
Vilka bolag berörs?
Inga specifika kommersiella bolag nämns i studien, men forskningen är relevant för dem som utvecklar LLM-baserade verktyg för ingenjörs- och forskningsändamål.
Originalkälla
arXiv cs.AI·arxiv.org

Länken öppnar i nytt fönster och leder till utgivarens egen sida.

Verifierad signal

Källan har spårats automatiskt från utgivaren via Aheadlines signalkedja.

AI-verktyg i artikeln

Ämnen

#Agents#Models
[ FÖLJ UTVECKLINGEN ]

Få liknande nyheter direkt i mejlen

Inga affiliate-länkarAvsluta när som helstGDPR-vänlig
[ Frekvens ]
[ Vad vill du läsa om? ]

Du får utskick om 2 ämnen.