新基准套件评估运筹学中AI的自纠错能力

研究人员开发了ORLoopBench，这是一个旨在评估和改进运筹学（OR）中AI模型自纠错和行为理性能力的新基准套件。该套件包括OR-Debug-Bench，其中包含超过5000个用于修复不可行线性规划（LP）和混合整数规划（MILP）模型的实例，以及用于评估决策理性能力的OR-Bias-Bench。使用求解器内循环方法训练一个8B参数模型，显著提高了其在LP修复任务上的性能，超越了当前前沿API。 AI

影响 该基准测试可能带来更可靠的运筹学复杂问题解决AI系统，改进调试和决策过程。

排序理由 该集群包含一篇介绍运筹学AI新基准套件的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• 8B model
• AI
• LP
• Operations Research
• OR-Bias-Bench
• OR-Debug-Bench
• ORLoopBench

• 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 →