IR2Solve: Nuovo pipeline AI per l'autoformulazione di ottimizzazione a costi efficienti
Uno studio recente presenta IR2Solve, un pipeline che dà priorità alla rappresentazione intermedia per convertire sfide di ottimizzazione in linguaggio naturale in formati adatti ai solver. Questo metodo impiega una singola chiamata a un LLM semantico per generare un ModelIR vincolato da uno schema, seguito da due fasi deterministiche: verifica e compilazione da IR a solver. ModelIR delinea chiaramente insiemi, parametri, variabili, obiettivi e vincoli attraverso stringhe di espressioni simili a Python ma ristrette. Una specifica convenzione per vincoli scalari tratta famiglie di vincoli finite per indice come voci distinte, minimizzando errori relativi a indici liberi e quantificazione implicita, semplificando così verifica e compilazione. L'articolo, identificato come 2608.02641, è accessibile su arXiv e evidenzia problemi con la generazione diretta di codice nei LLM, che può portare a fallimenti di compilazione e costi di inferenza aumentati.
Fatti principali
- IR2Solve è un pipeline di autoformulazione che privilegia la rappresentazione intermedia.
- Utilizza una singola chiamata a un LLM semantico per produrre un ModelIR vincolato da schema.
- Il pipeline include due fasi deterministiche: verifica e compilazione da IR a solver.
- ModelIR rappresenta esplicitamente insiemi, parametri, variabili, obiettivi e vincoli usando stringhe di espressioni simili a Python ma ristrette.
- Una concreta convenzione per vincoli scalari rappresenta famiglie di vincoli finite per indice come voci individuali.
- L'approccio riduce errori di indici liberi e quantificazione implicita.
- L'articolo è disponibile su arXiv con identificatore 2608.02641.
- L'articolo è stato annunciato come sottomissione di tipo incrociato.
Entità
Istituzioni
- arXiv