CP-SynC：利用合成检查器在MiniZinc中实现多智能体零样本约束建模

摘要

约束规划（CP）是求解组合问题的强大范式，但将自然语言问题描述转化为可执行模型仍是重大瓶颈。尽管大语言模型（LLM）在自动化这一转换上展现出前景，但在测试时缺乏oracle验证的情况下，它们常常难以应对细微的语义错误。为解决这一问题，我们提出CP-SynC（Constraint Programming modeling with Synthesized Checkers），一个用于MiniZinc零样本约束建模的多智能体工作流。CP-SynC协调生成并改进候选模型的建模智能体，以及合成语义检查器以对语义正确性提供反馈的验证智能体。为缓解单个LLM输出固有的噪声，CP-SynC并行探索多条建模轨迹，并使用选择智能体通过多智能体证据聚合选出最终模型。在包含100个CP问题的基准上的大量实验表明，CP-SynC在MiniZinc建模上显著优于现有基线。

CP-SynC：利用合成检查器在MiniZinc中实现多智能体零样本约束建模：论文配图 — 图 1：CP-Sync 工作流程概述。给定问题上下文，工作流程分五个步骤进行： (1) 使用特定于角色的系统提示和问题上下文启动代理； (2) 建模代理生成KK MiniZinc模型； (3) 验证代理合成KK语义检查器； (4) 候选者进入分阶段检查管道（G1-G4），建模代理根据错误消息启动细化； (5) 选择代理审查候选模型及其检查器结果和语义检查器，然后通过多数票选择最终模型。如果未做出有效选择，系统将从步骤 1 重新启动，并提供精确的问题描述。