OptiRepair：用 LLM Agent 闭环诊断与修复供应链优化模型

问题定义。由于建模错误，供应链优化模型经常变得不可行。诊断和修复需要稀缺的 OR 专业知识：分析人员必须解释求解器诊断，跨梯队追踪根本原因，并在不牺牲操作稳健性的情况下修复公式。人工智能代理是否可以执行此任务仍有待测试。方法/结果。 OptiRepair 将此任务分为与领域无关的可行性阶段（对任何 LP 进行 IIS 引导的迭代修复）和特定于领域的验证阶段（基于库存理论的五次合理性检查）。我们在 976 个多级供应链问题上测试了来自 7 个系列的 22 个 API 模型，并使用自学推理和经过求解器验证的奖励来训练两个 8B 参数模型。经过训练的模型达到了 81.7% 的合理恢复率 (RRR)（解决可行性和操作合理性问题的比例），而最佳 API 模型为 42.2%，平均为 21.3%。差距集中在第一阶段修复：API 模型的平均恢复率为 27.6%，而训练有素的模型为 97.2%。管理影响。当前的人工智能与可靠的模型修复之间存在两个差距：求解器交互（API 模型仅恢复 27.6% 的不可行公式）和操作原理（大约四分之一的可行修复违反供应链理论）。每个都需要不同的干预：求解器交互响应有针对性的训练；操作原理需要明确的规范作为求解器可验证的检查。对于在运营规划中采用人工智能的组织来说，在其背景下正式确定“理性”的含义是更高回报的投资。