COOPA：用于运筹学问题的模块化 LLM 代理架构

运筹学 (OR) 为高风险决策提供了严格的框架，但有效的 OR 建模需要大量的领域知识、数学抽象和求解器专业知识。最近基于 LLM 的系统自动化了该流程的一部分，但仍然受到复杂问题精度低、输出不透明和求解器支持范围窄的限制。 We propose COOPA (COoperative OPerations Agent), a modular LLM-agent architecture for interpretable and scalable OR decision support.它结合了三个组件：基于置信度的迭代建模，生成多个候选公式，跨建模维度对其进行自我评估，并使用最大-最小置信度标准选择一个；元素级出处和置信度解释，将变量、参数、约束和目标与引用的源文本联系起来，并为人工验证提供审计跟踪； and multi-solver routing to specialized optimizer agents for different OR problem classes.在相同条件下的三个 OR 基准、八个 LLM 主干和四个基线中，COOPA 在八个主干中的六个上实现了最佳的宏观平均准确度，并且比最强的基线提高了高达 6.7 个百分点。系统内消融隔离了基于置信度的迭代建模的贡献，而其他分析和案例研究则说明了源可追溯性和多求解器调度的价值。