본 논문은 수학적 최적화와 대규모 언어 모델(LLM)의 문맥적 능력을 통합하는 새로운 프레임워크인 SOLID(Synergizing Optimization and Large Language Models for Intelligent Decision-Making)를 소개한다. SOLID는 듀얼 가격 및 편차 페널티를 통해 최적화 및 LLM 에이전트 간의 반복적인 협업을 촉진한다. 이 상호 작용은 모듈성과 데이터 개인 정보를 유지하면서 의사 결정의 질을 향상시킨다. 이 프레임워크는 볼록성 가정을 기반으로 이론적 수렴 보장을 유지하며 LLM 프롬프트 설계에 대한 통찰력을 제공한다. SOLID의 평가를 위해, 과거 가격 및 재무 뉴스를 입력으로 사용하여 주식 포트폴리오 투자 사례에 적용했다. 실험 결과는 다양한 시나리오에서 수렴을 보였으며, 기본 최적화 프로그램만 사용한 방법에 비해 연간 수익률이 향상되어 두 에이전트의 시너지를 입증했다. SOLID는 다양한 분야에서 자동화되고 지능적인 의사 결정을 발전시키기 위한 유망한 프레임워크를 제공한다.
