この研究は、大規模言語モデル（LLM）の力を活用して発見された新しいヒューリスティックにより、単一機械の総遅延（SMTT）問題の最適化に貢献しています。SMTT問題は、処理時間と締切を考慮してn件の業務を単一のプロセッサ上で順序付けることにより、総遅延を最小化することを目的としています。著者はEdd Challenger（EDDC）およびMDD Challenger（MDDC）の2つの新しいLLM発見ヒューリスティックを開発し、従来のルールベースのヒューリスティックと比較して、その性能を厳密な基準で評価しました。特に、業務が100件を超える場合には、混合整数プログラミング（MIP）や動的プログラミングのような正確な手法が計算不可能になることが示されています。結果として、EDDCは従来のEDDルールを改善し、MDDCは伝統的なヒューリスティックよりも常に優れた性能を発揮します。この研究は、効果的に設定された限られたリソース下でも、LLMと人間のコラボレーションがNP困難な制約付き組合せ最適化のためのスケーラブルで高性能なヒューリスティックを生み出す可能性を示しています。