ORPilot: 생산 중심의 에이전트형 LLM 기반 최적화 모델링 도구

본 논문은 실제 비즈니스 문제를 솔버 준비 최적화 모델로 변환하는 오픈소스 에이전트형 AI 시스템인 ORPilot을 소개합니다. 학술적인 LLM-for-OR 도구는 정제된 문제 명세와 미리 포맷팅된 인라인 데이터를 가정하지만, ORPilot 은 생산 환경 조건에 맞게 설계되었습니다: 모호한 설명, 대규모 원시 운영 데이터, 그리고 솔버 백엔드 간의 이동성 필요성. 시스템은 네 가지 새로운 구성 요소를 도입합니다: (1) 완전한 문제 명세를 유도하기 위한 대화형 인터뷰 에이전트, (2) 프롬프트와 독립적으로 데이터를 수집하는 데이터 수집 에이전트, (3) 원시 표 데이터와 모델 준비 파라미터를 연결하기 위한 파라미터 계산 에이전트, 그리고 (4) Gurobi, CPLEX, PuLP, Pyomo, 또는 OR-Tools 솔버에 대한 결정적이고 LLM 호출 없이 재컴파일할 수 있는 솔버 무관 Intermediate Representation (IR). 또한, 솔버 트레이스백을 이용한 타겟팅된 수정을 위한 자기 수정 반복 루프를 사용합니다. ORPilot 은 텍스트북 운영 연구 (OR) 사례가 아닌 생산 수준의 비즈니스 문제를 목표로 하는 첫 번째 시도입니다. 실제 문제 평가에서 유망한 결과를 보여줍니다. 전통적인 학술 벤치마크 (IndustryOR, NL4OPT 및 NLP4LP) 에 대항할 때, ORPilot 은 IndustryOR 벤치마크의 정확성에서 최전선 도구를 능가하고 NL4OPT 와 NLP4LP 에서 비교 가능한 성능을 제공했습니다.