Framework LLM per la Selezione di Formulazioni di Inventario Multi-Magazzino

Un recente preprint su arXiv (2607.25956) introduce un framework che utilizza modelli linguistici di grandi dimensioni (LLM) guidati da solver per selezionare formulazioni per la ricerca operativa (OR) nell'allocazione di inventario multi-magazzino. Tradizionalmente, questo problema viene affrontato attraverso la programmazione lineare mista (MIP), ma nessuna singola formulazione è efficace in diversi scenari a causa di elementi come la concentrazione della domanda e le discrepanze di inventario. Questo framework abbina ogni scenario di allocazione a una formulazione compatibile con il solver proveniente da una libreria di esperti OR, ciascuno rappresentante una formulazione MIP unica con specifiche priorità di allocazione. Il processo di addestramento prevede un fine-tuning supervisionato (SFT) bilanciato condizionato dagli esperti per l'apprendimento dello schema, seguito da valutazioni del solver MIP su istanze passate per trasformare i miglioramenti nella qualità dell'allocazione in segnali di addestramento, con l'obiettivo finale di migliorare l'efficienza dell'allocazione attraverso la selezione ottimale della formulazione MIP.