LLM:er lär sig hitta fel i logistikproblem på egen hand

arXiv cs.AI

Forskare har testat hur bra stora språkmodeller (LLM:er) är på att hitta och rätta fel i så kallade fordonsruttningsproblem – ett klassiskt optimeringsproblem inom logistik. Problemet är att verkliga data sällan är felfria, men de flesta AI-metoder utgår från att de är det. Genom att låta LLM:en själv generera kod som analyserar problemet strukturerat uppnådde forskarna nästan perfekt träffsäkerhet i feldetektering.