Trong bài báo này, chúng tôi trình bày OR-LLM-Agent, một phương pháp mới để áp dụng các mô hình ngôn ngữ quy mô lớn (LLM) nhằm giải quyết các bài toán nghiên cứu vận hành (OR). Không giống như các phương pháp hiện có dựa trên các chiến lược thiết kế nhanh hoặc tinh chỉnh, OR-LLM-Agent phân tích bài toán thành ba giai đoạn: mô hình hóa toán học, tạo mã và gỡ lỗi dựa trên các LLM có khả năng suy luận. Mỗi giai đoạn được xử lý bởi một tác nhân phụ chuyên biệt, cho phép suy luận hiệu quả hơn. Ngoài ra, chúng tôi chỉ ra những hạn chế của các chuẩn mực hiện có như NL4OPT, MAMO và IndustryOR, đồng thời xây dựng một tập dữ liệu chất lượng cao, BWOR, để đánh giá hiệu suất LLM đáng tin cậy hơn. Kết quả thực nghiệm cho thấy OR-LLM-Agent vượt trội hơn các phương pháp tiên tiến hiện có như GPT-o3, Gemini 2.5 Pro và ORLM ít nhất 7% về độ chính xác. Điều này chứng minh tính hiệu quả của việc phân tách tác vụ trong việc giải quyết các bài toán OR.
