优化前先提问：面向交互式优化的动态前置建模澄清
大型语言模型正越来越多地用于将自然语言问题描述转化为优化模型。但现实中的运筹学需求通常缺少目标、约束条件或业务规则，而这些信息可能改变最终的数学规划模型。研究人员提出了 OR-Clarify，这是一个用于评估智能体能否在建模前识别必要澄清事项的基准。同时，他们提出两阶段框架 InterOPT，用于找出对建模至关重要的未解决信息，并决定继续提问还是停止。在选择题实验中，InterOPT 在准确恢复缺失信息方面显著优于所有基线方法；在开放式场景中，其表现也与强有力的既有方法相当。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。