OptimAI 用多智能体 LLM 流水线把自然语言优化问题转成求解器代码,在 NLP4LP 上达 88.1%、Optibench 上达 82.3%,错误率较此前最佳分别下降 58% 和 52%
该工作提出 OptimAI,一个由 LLM 驱动的多智能体框架,把自然语言描述的优化问题依次经过建模(formulator)、规划(planner)、求解器代码生成(coder)与反思式调试(code critic)四个阶段,并引入基于 UCB 的调试调度在多个候选方案间动态切换;在零样本设置下,使用 GPT-4o+o1-mini 在 NLP4LP 上达到 88.1% 准确率,使用 DeepSeek-R1 在 Optibench 上达到 82.3%,相比此前最佳方法错误率分别下降 58% 和 52%,消融显示移除 planner 或 code critic 会使生产力分别下降 5.8 倍和 3.1 倍,启用 UCB 调试调度带来额外 3.3 倍生产力提升。