arXiv · 训练
arXiv 提出 LLM 引导的模型补丁用于大规模再优化
运筹优化模型部署到工业环境后，常因业务规则变化或未预见的约束而失效。arXiv 这篇工作提出一种 LLM 引导的模型补丁方法，让非 OR 专家也能对大规模优化模型进行局部再优化，无需重写整个模型。该方法利用大语言模型理解约束变更并生成针对性补丁，降低优化模型维护门槛，提升工业决策系统的适应能力。
- 域名
arxiv.org- 评分
- 4 · 重要更新
- 发布
- 2026-05-18
导读
这条暂时没有深度导读，点上方「访问项目本体」直接到源页面查看。
原文摘要
Optimization models developed by operations research (OR) experts are often deployed as decision-support systems in industrial settings. However, real-world environments are dynamic, with evolving business rules, previously overlooked constraints, and unforeseen perturbations. In such contexts, end…