2026年4月8日，信息物理融合系统与系统安全团队在 N6-401 举行研究生学术论文汇报。本次汇报由研究生刘旸主讲，围绕 Huang 等发表于 《IEEE Transactions on Evolutionary Computation》 的论文《基于大语言模型的自主多目标优化》（Autonomous Multi-Objective Optimization via Large Language Models）展开深入学习与交流。团队师生参加了本次学术活动，并围绕相关研究方向进行了讨论。

汇报中，刘旸首先介绍了论文提出的 LLMMOP（Large Language Model based Multi-Objective Optimization）框架。该方法探索利用大语言模型辅助多目标进化算法的自动设计，通过自动生成与优化算法中的繁殖算子，实现算法搜索过程的智能化改进。论文将动态选择策略、提示驱动的交叉与变异机制，以及试运行与修复机制相结合，利用程序编译和运行过程中的反馈信息，引导大语言模型发现并修正生成算法中的问题，从而降低传统算法设计过程中对人工经验的依赖。

随后，汇报围绕论文实验设计与结果展开分析。研究针对连续多目标优化、多目标背包问题以及多目标旅行商问题等典型任务进行了验证，并对 LLMMOP 与传统人工设计的多目标优化算法以及已有大语言模型辅助程序搜索方法进行了比较。实验结果表明，LLMMOP框架在多个测试场景中展现出较好的优化性能；同时，消融实验进一步分析了试运行与修复机制、动态选择策略等关键模块对算法性能提升的作用。

在交流讨论环节，团队师生围绕大语言模型生成算法的可靠性与稳定性、模型调用成本控制、实验评价体系设计，以及如何进一步融合领域专家知识提升自动算法设计能力等问题展开深入交流。通过本次论文汇报，团队成员进一步了解了大语言模型与进化优化算法交叉融合领域的最新研究进展，为后续开展智能优化、自动算法设计等相关研究提供了有益参考。