대규모 언어 모델(LLM)의 발전은 자동화된 최적화 모델링 연구를 가속화했지만, 기존 연구는 대부분 결정론적 최적화에 초점을 맞추어 불확실한 환경에서의 LLM 적용은 미개척 분야로 남아있습니다. 이에 본 논문은 OptU 데이터셋, 다중 에이전트 의사 결정 모듈, 그리고 LLM의 out-of-sample 실행 가능성과 견고성을 평가하기 위한 시뮬레이션 환경을 포함하는 DAOpt 프레임워크를 제안합니다. 또한, 확률적 및 강건한 최적화의 도메인 지식을 활용한 소수 샷 학습을 통해 LLM의 모델링 능력을 향상시켰습니다.
