LLM框架通过选择最佳运筹学公式来优化库存分配

研究人员开发了一个利用大型语言模型（LLM）的新型框架，用于为多仓库库存分配问题选择最有效的运筹学（OR）公式。该方法解决了没有单一公式能在各种操作场景中始终表现最佳的挑战。该框架采用监督微调和组相对策略优化，并以混合整数规划求解器评估为指导来训练LLM选择器。使用京东（JD.com）的数据进行的实验表明，与现有方法相比，选择准确性和实际分配质量都有显著提高。 AI

影响 这项研究可能通过使人工智能能够为复杂的分配问题动态选择最佳操作策略，从而带来更高效的库存管理系统。

排序理由 学术论文，详细介绍了基于LLM的新型运筹学公式选择框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• China
• Group Relative Policy Optimization
• Identity preference optimization
• JD.com
• large language model
• mixed-integer optimization
• operations research
• supervised fine-tuning

• 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 →