OR-License 基准：Claude Code 运筹任务可行性 88.39%
原文标题：OR-License: Evaluating LLM Agents as Real-World Operations Research Practitioners
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文推出 OR-License，基于 10 个行业、总价 368 万美元的真实运筹咨询项目构建 31 个端到端任务，并配套客户模拟器 ORSim。11 个前沿大模型中部分在条件目标质量上超过专家，但无一在部署调整质量 DAQ 上追平专家；最强 Claude Code 配置严格可行性 88.39%、DAQ 0.87。研究指出问题建模与实现环节是主要失败点。
- 问题
- LLM 智能体能否直接从原始客户材料交付专家级运筹方案。
- 方法
- 基于真实付费咨询项目构建 31 个端到端任务，配套不提供运筹知识的客户模拟器 ORSim，用隐藏评测检查可行性与目标质量。
- 结果
- 最强 Claude Code 配置严格可行性 88.39%、DAQ 0.87，专家基准为 1；11 个前沿模型无一追平专家 DAQ。
- 影响
- 编码智能体已能接近专家目标值，但问题建模与实现仍是落地瓶颈，部署前需人工把关。
深读 · 结论先行AI 生成展开看要点与影响 ↓
OR-License基准显示最强Claude Code配置严格可行性88.39%、DAQ 0.87，无一模型追平专家。
- •基准含10个行业、31个端到端任务，源自总价368万美元的真实付费运筹咨询项目，保留原始需求、数据与交付格式。
- •配套客户模拟器ORSim，只披露业务事实、不提供运筹专业能力。
- •11个前沿LLM中部分在条件目标质量上超过专家参考，但无一在部署调整质量DAQ上追平专家（专家为1）。
- •最强Claude Code配置严格可行性88.39%、DAQ 0.87；主要失败点在问题建模与实现环节。
为什么重要：把评测起点前移到「原始客户材料」，暴露了现有运筹基准被专家预先重构问题所掩盖的真实短板。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。