LLM 能设计接近最优的运筹学算法
来自 arXiv · 期号 2026-08-28
摘要
这篇论文测试了 LLM 能否为三类运筹学问题设计算法：库存控制、排队网络控制和品类优化。 实验分两个层级：第一层，模型拿到一个具体实例，直接给出解；第二层，模型只拿到问题描述和参数范围，返回一个固定的算法，之后不再接触评测实例。 人类输入只有一条未经调优的 prompt，外加一个 Python 沙箱。最强的 gpt-5.6-sol 在几乎所有实例上匹配或超过了现有最优方法，即使在第二层也是如此。 不同模型之间差距明显：相隔不到八个月发布的模型，性能提升显著。这说明前沿 LLM 已经可以作为运筹学算法设计的严肃经验基线。
深读
导读 这篇论文系统测试了前沿大语言模型能否为三类运筹学问题设计出接近最优的算法。实验在两个层级上展开，人类输入仅有一条未经调优的 prompt 和一个 Python 沙箱。结果最强的 gpt-5.6-sol 在几乎所有测试实例上匹配或超越了现有最优方法，且不同模型之间差距显著。对于关注 AI 在算法设计领域能力的从业者，这篇论文提供了一个严谨的经验基线。 关键信息 - 测试的三类运筹学问题：库存控制、排队网络控制、品类优化。 - 实验分两个层级：第一层，模型拿到一个具体实例直接给出解；第二层，模型只拿到问题描述和参数范围，返回一个固定的算法，之后不再接触评测实例。 - 人类输入仅有一条未经调优的 prompt，外加一个 Python 沙箱工具和固定的计算预算。 - 最强模型 gpt-5.6-sol 在几乎所有测试实例上匹配或超越了现有最优方法，即使在第二层也是如此。 - 相隔不到八个月发布的模型，性能提升显著。 逐节讲解 研究问题与实验设计 论文提出的核心问题是：大语言模型能否为定义良好的运筹学问题设计有效算法。作者选择了三类经典问题，库存控制、排队网络控制、品类优化，来测试。实验设计了两个层级：第一层是直接求解具体实例，第二层是仅凭问题描述和参数范围就生成一个固定算法，该算法之后不再接触评测实例。人类干预被压缩到最低：一条未经调优的 prompt 描述问题，外加一个 Python 沙箱工具。 主要结果 最强的模型 gpt-5.6-sol 在几乎所有测试实例上匹配或超越了现有最优方法。这一结果在第二层同样成立，意味着模型仅凭问题描述就能设计出与专用方法竞争的算法。论文还注意到，不同模型之间差距明显：相隔不到八个月发布的模型，性能提升显著，表明这一能力正在快速进步。 结论与意义 论文的结论是，对于所研究的定义良好的运筹学问题，单次未经调优的 LLM 查询已经可以产生与专用方法竞争的算法。作者认为，前沿 LLM 可以作为运筹学算法设计的严肃经验基线。 值得注意 论文的结论严格限定在所测试的三类运筹学问题（库存控制、排队网络控制、品类优化）上，且原文是摘要，没有展示具体的算法设计过程、实例规模、计算预算细节，也没有说明 gpt-5.6-sol 与其他模型（如更早版本）之间的具体性能差距数值。这些细节需要阅读全文才能获得。