VeriSimpl은 자연어 문제 설명을 최적화 솔버 수식으로 변환할 때 정확성을 검증하는 솔버-LLM 프레임워크다. 코드가 오류 없이 실행되더라도 의도한 과제를 올바르게 구현했는지 보장하기 어렵다는 문제를, 솔버로 후보 수식에 대한 단순화된 진단 쿼리를 생성해 LLM이 국소적으로 정확성을 추론하게 하는 '단순화 기반 검증'으로 해결한다. 제약 조건과 결정 변수 차원에서 다양한 단순화 전략을 제시하며, 여러 최적화 벤치마크에서 기존 방법 대비 일관된 정확도 향상과 고정밀 자기검증 신호를 확보했다. 자연어 인터페이스로 최적화 모델링 접근성을 높이려는 흐름에서 신뢰성 문제를 다루는 실용적 접근이다.
- •자연어→최적화 수식 변환의 '실행되지만 틀린 수식' 문제를 검증으로 해결
- •솔버가 단순화된 진단 쿼리를 생성해 LLM이 국소적으로 정확성을 추론하는 단순화 기반 검증 제안
- •제약 조건·결정 변수 차원별 다양한 단순화 전략 제시
- •여러 최적화 벤치마크에서 기존 방법 대비 일관된 정확도 향상 + 고정밀 자기검증 신호 확보
VeriSimpl: Robust Optimization Modeling from Natural Language using Simplification-based Verification
본문 미리보기
arXiv:2607.20474v1 Announce Type: new Abstract: Natural language interfaces can greatly benefit the accessibility and usability of optimization modeling, and recent advances in large language models (LLMs) show promise in automatically translating textual problem descriptions into executable solver formulations. However, a key challenge for existing approaches is to ensure that the inferred formulation correctly implements the intended task, even if it may execute without errors. We introduce V
전체 내용이 궁금하다면?
원문을 직접 읽어보세요