כתבה
arXiv cs.AI ·
תשובות נכונות, מודלים יקרים: פער היעילות באופטימיזציה של LLM
Right Answers, Costly Models: The Efficiency Gap in LLM-based Optimization Modeling
חוקרים בדקו את היכולת של מודלי LLM לזהות מבנה בעיות מתוך תיאורים בשפה טבעית וליישם טכניקות אופטימיזציה מתאימות. הם פיתחו את OptDachshund, פלטפורמה רב-סוכנית שמטרתה להעריך את היעילות של LLM באופטימיזציה. התוצאות הראו פער יעילות בין המודלים האוטומטיים למודלים המומחים.
תקציר מקורי באנגליתarXiv:2609.38884v1 Announce Type: cross Abstract: Optimization modeling formulates real-world decision problems as mathematical programs that solvers can use to find optimal decisions. Large language models (LLMs) can automate this process, but the resulting correct formulations can require substantial time and memory to construct and solve, limiting practical scalability. Therefore, we systematically investigate whether LLMs can identify problem structure from natural-language descriptions and apply suitable optimization modeling techniques to generate mathematical models and solver code that solve the problems correctly and efficiently. To this end, we first curate OptTips, a knowledge base of 50 expert modeling techniques in eight families. Using this knowledge, we develop OptDachshund,
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית