EvoOptiGraph：基于图结构生成的弱点驱动协同进化用于优化建模

针对大语言模型自动优化建模面临的训练语料结构单一及数据生成静态化挑战，本文提出 EvoOptiGraph 框架。该框架将混合整数线性规划表示为属性二分图，利用保真演化算子生成多样化实例，并通过确定性编译与回译验证转化为代码和自然语言。训练采用两阶段策略：先进行监督微调，再执行基于可验证奖励的强化学习，其中图衍生的弱点信号指导生成针对模型失败的新实例，形成持续更新训练分布的闭环。实验表明，该方法在准确性、可执行性及泛化能力上显著优于现有基线。