文本到模型翻译的建模副驾驶

利用大语言模型（LLM）进行文本到模型的翻译与优化任务正日益受到关注。本文旨在通过推出Text2Model与Text2Zinc来推进这一研究方向。Text2Model是一套基于多种不同复杂度LLM策略的建模副驾驶（copilot），并配有在线排行榜。Text2Zinc是一个跨领域数据集，用于收录以自然语言表述的优化问题与满足问题，并附带内置AI助手的交互式编辑器。尽管已有新兴文献研究用LLM将组合问题翻译为形式化模型，我们的工作首次在同一架构与数据集中同时整合满足问题与优化问题。此外，与聚焦于翻译为特定求解器模型的现有工作不同，我们的方法与求解器无关。为此，我们借助MiniZinc与求解器和范式无关的建模能力来表述组合问题。我们开展全面实验，比较多种单次与多次调用策略的执行与求解准确率，包括零样本提示、思维链推理、基于知识图谱的中间表示、基于文法的语法编码，以及将模型分解为顺序子任务的智能体方法。我们的副驾驶策略与本领域近期研究相比具有竞争力，并在部分方面有所改进。我们的发现表明，LLM虽有前景，但还不是组合建模的一键式技术。我们将Text2Model副驾驶与排行榜、Text2Zinc及交互式编辑器开源，以助力缩小这一性能差距。