摘要
运筹学依赖专家建模，过程缓慢且脆弱。尽管大语言模型可自动翻译自然语言为优化模型，但现有方法缺乏可靠的协作纠错与特定任务检索。本文提出 MIRROR，一种无需微调的端到端多智能体框架，能将自然语言问题直接转化为数学模型与求解代码。其核心机制包括执行驱动的迭代自适应修正以自动纠错，以及从精选库中分层检索相关示例。实验表明，MIRROR 在标准基准及复杂工业数据集上表现优异，为非专家用户提供了高效可靠的建模方案。
AI 推荐理由
论文核心提出迭代自适应修正机制，实现 Agent 自我纠错与优化，属自我进化范畴。
研究机构
中国科学院大学
论文信息