LangNCO : Traduction de contraintes en langage naturel en interventions pour l'optimisation combinatoire neuronale
En bref
- LangNCO traduit des contraintes en langage naturel en règles exécutables pour un solveur NCO pré-entraîné.
- Un LLM génère des règles validées, appliquées via des masques d'action sans modifier le modèle.
- Résultats : 100% de faisabilité sur quatre jeux de données principaux avec des écarts moyens de 1,63 à 3,26%.
LangNCO propose un cadre pour traduire des contraintes exprimées en langage naturel en règles exécutables, appliquées à un solveur d'optimisation combinatoire neuronale pré-entraîné. Le système utilise un LLM pour générer des règles validées, puis un exécutif déterministe les applique via des masques d'action. Les résultats montrent une faisabilité de 100% sur quatre jeux de données principaux.
Ce que ça change pour vous
- Industrie & ManufacturingPermet d'adapter dynamiquement les tournées de livraison ou la planification de production via des contraintes en langage naturel, sans réentraînement.
- Transport & LogistiqueAméliore la robustesse des algorithmes de routage face à des contraintes opérationnelles imprévues (fermetures de routes, fenêtres de temps).
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez cs.AI updates on arXiv.org.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Signaler une erreur