복잡한 최적화 문제 해결을 위한 종합 벤치마크, OptiVerse 공개

요약

LLM이 뛰어난 추론 능력을 보여도 복잡한 최적화(Optimization) 문제는 여전히 어렵습니다. 기존의 벤치마크가 수학적 프로그래밍이나 조합 최적화에 국한되어 있어 평가 범위가 부족했습니다. 이에 본 논문에서는 확률적, 동적, 게임, 최적 제어 등 소외되었던 영역을 포함하는 1,000개의 종합 문제로 구성된 'OptiVerse'를 제시합니다. 22개 LLM으로 테스트한 결과, GPT-5.2나 Gemini-3 같은 고급 모델도 어려운 문제에서 정확도가 27%를 넘기 어려웠으며, 주요 병목 지점은 모델링 및 논리 오류임이 밝혀졌고

핵심 포인트

• OptiVerse는 확률적 최적화 (Stochastic Optimization), 동적 최적화 (Dynamic Optimization), 게임 최적화 (Game Optimization), 최적 제어 (Optimal Control) 등 4가지 소외 영역을 포함하는 1,000개 문제로 구성된 포괄적인 벤치마크입니다.
• 22개의 다양한 크기의 LLM으로 테스트한 결과, 고급 모델(GPT-5.2, Gemini-3)조차 어려운 문제에서 정확도가 27%를 초과하기 어려웠습니다.
• LLM의 최적화 문제 해결 과정에서 가장 큰 병목 현상(bottleneck)은 '모델링 및 논리 오류'로 확인되었습니다.
• 제안된 Dual-View Auditor Agent는 LLM의 모델링 프로세스 정확도를 향상시키면서도 시간 오버헤드를 크게 증가시키지 않습니다.