यह शोधपत्र ORThought प्रस्तुत करता है, जो एक नवीन ढाँचा है जो अनुकूलन मॉडलिंग (OM) की समय लेने वाली और त्रुटि-प्रवण प्रकृति को संबोधित करने के लिए बड़े पैमाने के भाषा मॉडल (LLM) का लाभ उठाता है। उच्च बेंचमार्क त्रुटि दर, संकीर्ण मूल्यांकन क्षेत्र और गणना संबंधी अक्षमता सहित मौजूदा शोध की सीमाओं को दूर करने के लिए, हम त्रुटियों को सुधारकर और मौजूदा डेटासेट में व्यापक एनोटेशन जोड़कर, एक नया लॉजिस्टिक्स डोमेन बेंचमार्क, LogiOR, प्रस्तुत करके और विचार प्रक्रिया अनुमान के माध्यम से विशेषज्ञ-स्तरीय अनुकूलन मॉडलिंग सिद्धांतों का लाभ उठाकर ORThought ढाँचा विकसित करते हैं। प्रायोगिक परिणाम दर्शाते हैं कि ORThought मौजूदा दृष्टिकोणों, जिनमें मौजूदा बहु-एजेंट ढाँचे भी शामिल हैं, से बेहतर प्रदर्शन करता है, विशेष रूप से जटिल अनुकूलन समस्याओं पर। अंत में, हम ORThought की सफलता और विफलता के कारकों का विश्लेषण करते हैं, जिससे भविष्य के LLM-आधारित अनुकूलन मॉडलिंग अनुसंधान के लिए अंतर्दृष्टि मिलती है।
