★ 3
OR-License 基准：Claude Code 运筹任务可行性 88.39%
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%、…
arXiv NLP13 天前
#运筹优化
共 4 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
DecompGym 基准测试 LLM 智能体设计分解算法能力
研究者提出 DecompGym 基准，包含 9 类问题共 81 个实例，考察编码智能体实现 Benders 分解与列生成求解器的能力。评测 12 个 GPT、Claude、Gemini 模型发现，多数失败源于方法审计不通过，仅靠输出检查会放过 93/108 次不合格尝试。反思式重试成功率 66%，…
arXiv cs.AI3 天前
★ 2
PixSim：分析师容量约束下的即时支付欺诈开源模拟器
论文发布 PixSim，一个针对巴西 Pix 即时支付系统的开源模拟器，联合建模不可逆结算、监管追回机制、资金分散与容量受限人工审核。模型校准至巴西央行开放数据，全规模运行可将 2025 年追回率复现至 0.006 误差内，并揭示结算后追回受资金分散速度制约、按到达分布排班可将告警过期率从 52%…
arXiv cs.LG35 天前
★ 1
arXiv 提出 Lag：可复用资源在线分配的均场最优策略
论文研究可复用资源的在线任务分配问题，将其建模为上下文无休止多臂老虎机（CRMAB），推导出占用测度 LP 上界及对偶闭式指数策略 Lag。在同行评审与呼叫中心路由数据上，Lag 达到 LP 上界的 83-99%，在期刊数据上比贪心策略提升最多 12.3%。
arXiv cs.LG18 天前
这个主题的相关资产
相关公司Anthropic1