LLM 기반 솔버는 문제 모델링 및 해결을 자동화하는 유망한 수단으로 부상했지만, 여전히 신뢰성이 부족하고 상당한 지연 시간을 초래하는 반복적인 수정 루프에 의존합니다. OptiHive는 최적화 문제의 자연어 설명을 통해 고품질 솔버를 생성하기 위해 모든 솔버 생성 파이프라인을 향상시키는 프레임워크입니다. OptiHive는 단일 배치 생성을 사용하여 다양한 구성 요소(솔버, 문제 인스턴스, 검증 테스트)를 생성하고 오류가 있는 구성 요소를 필터링하여 완전히 해석 가능한 출력을 보장합니다. 생성된 구성 요소의 불완전성을 고려하여 통계적 모델을 사용하여 실제 성능을 추론하고, 원칙적인 불확실성 정량화 및 솔버 선택을 가능하게 합니다. OptiHive는 기존 최적화 문제부터 Multi-Depot Vehicle Routing Problem의 까다로운 변형에 이르기까지 다양한 작업에서 기준선을 크게 능가하며, 가장 복잡한 문제에서 최적성 비율을 5%에서 92%로 증가시킵니다.
