LLM 가이드 모델 패치를 통한 대규모 재최적화(Re-Optimization)의 민주화

요약

본 논문은 운영 연구(OR) 전문가 없이도 최종 사용자가 자연어 상호작용을 통해 최적화 모델을 신속하게 재최적화할 수 있는 LLM 기반 에이전트 프레임워크를 제안합니다. LLM은 사용자의 요구사항을 모델의 구조화된 패치로 변환하고, 최적화 툴박스를 활용하여 효율적인 솔루션을 생성합니다. 공급망 관리 및 시험 시간표 작성 사례를 통해 프레임워크의 계산 효율성과 모델 수정의 해석 가능성을 입증했습니다.

핵심 포인트

• LLM을 활용하여 자연어 프롬프트를 최적화 모델의 구조화된 업데이트(Patch)로 변환하는 에이전트 프레임워크 제안
• 과거 솔루션, 유효 부등식, 솔버 설정 등 원 프라이멀 정보를 활용하는 최적화 툴박스를 통해 재최적화 속도 향상
• 공급망 재최적화 및 대학교 시험 시간표 작성 사례를 통해 실무 적용 가능성 및 확장성 검증
• 구조화된 패치 기반 업데이트 방식을 통해 모델 수정 과정의 해석 가능성과 추적 가능성 확보