LLM 框架通过业务背景增强交通枢纽容量规划

研究人员开发了一个新框架，该框架使用大型语言模型 (LLM) 来改进交通枢纽的容量规划。该 LLM 代理将以自然语言提供的定性业务背景与传统的定量优化模型相结合。通过采用思维链推理过程，LLM 将文本业务描述转化为具体的容量调整，然后通过与优化模型的反馈循环进行完善。该方法在实际货运网络上显示出优化差距的显著改善，突显了 LLM 将定性业务见解与运筹学工作流程相结合的潜力。 AI

影响 将定性业务见解整合到运筹学中，有可能提高物流和供应链管理的效率。

排序理由 该集群包含一篇详细介绍使用 LLM 进行容量规划的新颖框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• LLM
• operations research
• ScienceCast

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →