SAC-Opt: Ancore Semantiche per la Correzione Iterativa nella Modellazione di Ottimizzazione
Un nuovo framework chiamato SAC-Opt affronta gli errori semantici nella modellazione di ottimizzazione con modelli linguistici di grandi dimensioni. A differenza degli approcci esistenti basati su solver, che si basano su generazione a passaggio singolo e correzioni post-hoc basate sui messaggi di errore del solver, SAC-Opt utilizza una correzione guidata all'indietro radicata nella semantica del problema. Allinea le ancore semantiche originali con quelle ricostruite dal codice generato e corregge selettivamente i componenti non corrispondenti. Questo metodo consente un raffinamento granulare della logica dei vincoli e degli obiettivi, guidando la convergenza verso modelli semanticamente fedeli. Il lavoro è pubblicato su arXiv con identificatore 2510.05115.
Fatti principali
- SAC-Opt è un framework di correzione guidata all'indietro per la modellazione di ottimizzazione con LLM.
- Utilizza ancore semantiche anziché feedback del solver per la correzione.
- Il framework allinea le ancore semantiche originali con quelle ricostruite dal codice generato.
- La correzione selettiva viene applicata solo ai componenti non corrispondenti.
- L'approccio consente un raffinamento granulare della logica dei vincoli e degli obiettivi.
- Affronta errori semantici non rilevati in modelli sintatticamente corretti ma logicamente errati.
- L'articolo è disponibile su arXiv con identificatore 2510.05115.
- Gli approcci esistenti sono basati su solver e si basano sulla generazione forward a passaggio singolo.
Entità
Istituzioni
- arXiv