论文
面向推理LLM的策略感知优化建模
Strategy-Aware Optimization Modeling with Reasoning LLMs
摘要
大语言模型（LLM）能生成语法正确的优化程序，却常难以可靠选择有效的建模策略，导致表述错误与求解器低效。我们提出SAGE，一个策略感知框架，使「建模策略」在数据构建与后训练中显式化。SAGE构建经求解器验证的多策略数据集，训练学生模型：先监督微调，再用段加权GRPO，以格式合规、正确性与求解器效率的复合奖励。在覆盖合成与真实 setting 的八个基准上，SAGE将平均pass@1从最强开源基线的72.7提升到80.3。多次生成时，SAGE发现更多不同的正确表述，并在pass@16下将组件级多样性提升19-29%。在最大规模上，SAGE产出更紧凑的约束系统——约束数比基线少14.2%，与求解器高效建模一致。总体而言，这些结果表明显式化建模策略能改进自动优化建模。代码见GitHub。
