본 논문은 대규모 언어 모델(LLM)을 활용하여 복잡한 분석 및 수학적 추론 작업을 해결하기 위한 연구를 소개한다. 특히 동적 환경, 상호 의존 변수, 이종 제약 조건 등 복잡성을 가진 네트워크 자원 할당 최적화 문제를 해결하고자 한다. 이를 위해, LP, ILP, MILP로 구성된 50개의 자원 할당 최적화 문제로 구성된 큐레이션된 데이터셋 NL4RA를 제안하고, 다양한 오픈소스 LLM의 성능을 평가한다. 또한, LM4Opt RA라는 다중 후보 프레임워크를 도입하여, 직접, 소수 샷, 사고의 연쇄 등 다양한 프롬프트 전략과 구조화된 순위 메커니즘을 결합하여 정확도를 향상시켰다. LLM 생성 응답과 정답 간의 차이를 정량화하기 위해 LLM 기반 수학 평가 지표인 LAME을 개발했다. LM4Opt-RA를 사용한 Llama-3.1-70B 모델은 LAME 점수 0.8007을 달성하여 다른 모델보다 우수한 성능을 보였다.
