כתבה
arXiv cs.AI ·
OR ל-AI: רוטינג LLMs על המעלית בתוך הפרקטיקה OSCAR
OR for AI That Does OR: Routing LLMs up the Escalator inside the OSCAR Framework
מודלי LLMs לתכנון אופטימלי: הפרקטיקה OSCAR. המחקר עוסק בפיתוח פרקטיקה לאימות ואלוקציה של טקסטים של LLMs. הפרקטיקה OSCAR משתמשת ב-Simulator וב-Coder כדי לאמת ולאלוקצ' אפשרויות. המחקר מציע גם גידול חופשי לאלוקצ' אפשרויות. הפרקטיקה OSCAR נבדקה על חמש בעיות תכנון אופטימלי והציגה 95% עד 100% דיוק.
תקציר מקורי באנגליתarXiv:2610.00912v1 Announce Type: new Abstract: Large language models can translate business descriptions into optimization models, but executable code may misrepresent constraints or objectives. A solver can then return an optimal solution to the wrong problem. Even when the solution satisfies the intended operating rules, a better plan may exist. For organizations that repeatedly use optimization modeling, an LLM-based framework should produce accurate formulations at low cost and, ideally, run locally. We study how to verify improvements and allocate attempts across LLMs that differ in price and capability. We develop OSCAR (Optimization modeling by Simulator, Coder, And Reviewer), which uses an offline Simulator certified against labeled decision examples to compare candidates and cont
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית