Framework guidato da LLM per patch dinamiche di modelli di ottimizzazione
Un nuovo articolo di ricerca introduce un framework di ri-ottimizzazione agentico che utilizza un modello linguistico di grandi dimensioni (LLM) come esperto di ricerca operativa (OR), consentendo agli utenti finali di aggiornare dinamicamente i modelli di ottimizzazione tramite interazione in linguaggio naturale. Il framework traduce i prompt degli utenti in aggiornamenti strutturati del modello, seleziona tecniche di ri-ottimizzazione appropriate da un toolbox e risolve le istanze per restituire soluzioni implementabili. Il toolbox sfrutta informazioni primali come soluzioni storiche, disuguaglianze valide, configurazioni del solver e meta-euristiche. Questo approccio affronta la sfida di ri-ottimizzare rapidamente i modelli in ambienti industriali dinamici dove le regole aziendali evolvono e si verificano perturbazioni impreviste. L'articolo è pubblicato su arXiv con identificatore 2605.18692.
Fatti principali
- Il framework utilizza un LLM come esperto di OR.
- Gli utenti finali interagiscono tramite linguaggio naturale.
- Il LLM traduce i prompt in aggiornamenti strutturati del modello.
- Un toolbox seleziona le tecniche di ri-ottimizzazione.
- Il toolbox utilizza informazioni primali: soluzioni storiche, disuguaglianze valide, configurazioni del solver, meta-euristiche.
- L'articolo è su arXiv con ID 2605.18692.
- L'approccio è mirato ad ambienti industriali dinamici.
- Mira a recuperare rapidamente soluzioni fattibili e implementabili.
Entità
Istituzioni
- arXiv