OptiVerse：解决优化问题的综合基准

虽然 大语言模型 (LLM) 展示了出色的推理能力，但复杂的优化任务仍然具有挑战性，需要领域知识和强大的实施。然而，现有基准狭隘地关注数学规划和组合优化，阻碍了综合评估。为了解决这个问题，我们引入了 OptiVerse，这是一个涵盖 1,000 个精选问题的综合基准测试，涵盖被忽视的领域，包括随机优化、动态优化、游戏优化和最优控制，分为三个难度级别：简单、中等和困难。使用 22 个不同大小的 LLM 进行的实验表明，在困难问题上性能急剧下降，即使是 GPT-5.2 和 Gemini-3 等先进模型也难以超过 27% 的准确度。通过错误分析，我们发现建模和逻辑错误仍然是主要瓶颈。因此，我们提出了一种双视图审计代理，可以提高 LLM 建模过程的准确性，而不会引入大量时间开销。 OptiVerse 将作为推进 LLM 解决复杂优化挑战的基础平台。