AutoOR: Pipeline di IA Addestra LLM per Autoformalizzare Problemi di Ricerca Operativa

AutoOR ha lanciato una pipeline scalabile per la generazione di dati sintetici e l'apprendimento per rinforzo, progettata per addestrare grandi modelli linguistici a convertire descrizioni in linguaggio naturale in problemi di ottimizzazione formalizzati. Questo sistema innovativo produce dati di addestramento verificati da formati di ottimizzazione convenzionali e utilizza il feedback dell'esecuzione del risolutore come segnale di ricompensa durante l'apprendimento per rinforzo post-addestramento. Le sfide di ottimizzazione sono cruciali per il processo decisionale in settori come la produzione, la logistica e la pianificazione. Tradizionalmente, trasformare descrizioni complesse di problemi in formati pronti per il risolutore richiede conoscenze specialistiche in ricerca operativa, ostacolando la scalabilità. Applicato a un modello da 8B, AutoOR ottiene risultati competitivi o all'avanguardia su sei benchmark OR riconosciuti, rivaleggiando con modelli frontier molto più grandi. In particolare, eccelle in una classe di problemi non lineari legati alla dinamica fisica, dove i modelli frontier hanno prestazioni scarse. La metodologia comprende tipi di ottimizzazione lineare, a numeri interi misti e non lineare, con l'obiettivo di semplificare il processo di risoluzione dei problemi di ottimizzazione automatizzando la formalizzazione che tipicamente richiede competenze specialistiche.