VeriSimpl：用基于简化的验证从自然语言做鲁棒优化建模

自然语言接口可极大提升优化建模的可及性与可用性，大语言模型（LLM）的近期进展显示出把文本问题描述自动翻译为可执行求解器表述的前景。但既有方法的一个关键挑战是确保推断出的表述正确实现预期任务——即使它可以无错执行。我们提出VeriSimpl，一个面向鲁棒自然语言到优化形式化的求解器LLM框架。方法基于基于简化的验证思想：利用优化求解器生成关于候选表述的简化诊断查询，使LLM能以可驾驭的方式就表述相对任务描述的正确性做推理。我们沿问题约束与决策变量等不同维度给出简化策略，让LLM在固定全局上下文下做局部推理。在多个优化基准上的评估显示：该方法相对既有方法在准确率上提供一致改进，同时提供一种新颖的高精度自验证信号。