Nghiên cứu từ MIT: biến LLM giải quyết bài toán quy hoạch phức tạp với tỷ lệ thành công gấp đôi phương pháp truyền thống

-  Các nhà nghiên cứu MIT đã phát triển một framewwork mới giúp mô hình ngôn ngữ lớn (LLM) giải quyết các bài toán quy hoạch phức tạp, như tối ưu hóa chuỗi cung ứng hoặc lập lịch sản xuất.

-  Thay vì cố gắng thay đổi mô hình để LLM trở thành công cụ lập kế hoạch tốt hơn, nhóm nghiên cứu đã tạo ra khung làm việc LLMFP (LLM-Based Formalized Programming) hướng dẫn LLM phân tích vấn đề như con người và sử dụng công cụ phần mềm chuyên dụng để giải quyết.

-  Người dùng chỉ cần mô tả vấn đề bằng ngôn ngữ tự nhiên mà không cần các ví dụ cụ thể để huấn luyện hoặc nhắc nhở LLM.

-  Trong quá trình xây dựng giải pháp, LLM tự kiểm tra công việc qua nhiều bước trung gian để đảm bảo kế hoạch được mô tả chính xác cho bộ giải quyết tối ưu hóa.

-  Khi phát hiện lỗi, LLM không bỏ cuộc mà cố gắng sửa phần bị lỗi trong công thức.

-  Khi thử nghiệm trên 9 thách thức phức tạp, như tối thiểu hóa khoảng cách robot kho phải di chuyển để hoàn thành nhiệm vụ, khung làm việc này đạt tỷ lệ thành công 85%, trong khi phương pháp cơ sở tốt nhất chỉ đạt 39%.

-  LLMFP hoạt động tương tự cách các chuyên gia dạy sinh viên đại học về các bài toán tối ưu hóa - không chỉ dạy một lĩnh vực mà dạy phương pháp luận.

-  Mô-đun tự đánh giá cho phép LLM thêm bất kỳ ràng buộc ngầm nào mà nó bỏ lỡ lần đầu tiên, ví dụ như một quán cà phê không thể vận chuyển số lượng hạt rang âm.

-  Khác với các phương pháp khác, LLMFP không yêu cầu các ví dụ cụ thể cho từng lĩnh vực để huấn luyện và có thể tìm ra giải pháp tối ưu ngay lập tức.

-  Người dùng có thể điều chỉnh LLMFP cho các bộ giải quyết tối ưu hóa khác nhau bằng cách điều chỉnh các lời nhắc được đưa vào LLM.

-  Trong tương lai, các nhà nghiên cứu muốn cho phép LLMFP nhận hình ảnh làm đầu vào để bổ sung cho các mô tả về vấn đề quy hoạch, giúp giải quyết các nhiệm vụ đặc biệt khó mô tả đầy đủ bằng ngôn ngữ tự nhiên.

-  Nghiên cứu này được tài trợ một phần bởi Văn phòng Nghiên cứu Hải quân và Phòng thí nghiệm MIT-IBM Watson AI.

📌 Khung làm việc LLMFP của MIT kết hợp khả năng suy luận của LLM với công cụ tối ưu hóa chuyên dụng, giúp giải quyết các bài toán quy hoạch phức tạp với tỷ lệ thành công 85%, gấp đôi so với phương pháp truyền thống, mà không cần huấn luyện đặc biệt cho từng lĩnh vực.

https://news.mit.edu/2025/researchers-teach-llms-to-solve-complex-planning-challenges-0402
#MIT