यह शोधपत्र, कंस्ट्रेंट प्रोग्रामिंग (CP) मॉडलिंग को लोकप्रिय बनाने में आने वाली कठिनाइयों पर प्रकाश डालता है, क्योंकि इसमें विशेषज्ञता की अत्यधिक आवश्यकता होती है। इस समस्या के समाधान के लिए, हम बड़े पैमाने के भाषा मॉडल (LLM) का उपयोग करके CP मॉडलिंग को स्वचालित करने पर एक अध्ययन प्रस्तुत करते हैं। मौजूदा शोध में निहित सीमित मूल्यांकन डेटासेट को संबोधित करने के लिए, हम CP-Bench प्रस्तुत करते हैं, जो एक नया बेंचमार्क है जो विभिन्न संयोजन अनुकूलन समस्याओं को समाहित करता है। CP-Bench का उपयोग करते हुए, हम विभिन्न अमूर्त स्तरों और वाक्यविन्यासों वाली तीन CP मॉडलिंग प्रणालियों के लिए LLM के मॉडलिंग प्रदर्शन की तुलना और मूल्यांकन करते हैं। हम प्रॉम्प्ट-आधारित और अनुमान-समय गणना विधियों का व्यवस्थित रूप से मूल्यांकन करते हैं, जिससे 70% तक सटीकता प्राप्त होती है। विशेष रूप से, हम प्रदर्शित करते हैं कि उच्च-स्तरीय पायथन-आधारित फ्रेमवर्क का उपयोग करने से बेहतर प्रदर्शन प्राप्त होता है।
