arXiv cs.CL· Amer Goel, Yeganeh Alimohammadi, Andrew Daw·· 11 小时前AI 评分31
ASTOR：用形式化语法为软约束优化建模并评测自动形式化
ASTOR: Benchmarking and Improving Autoformulation for Soft-Constraint Optimization with a Formal Grammar
AI 导读
ASTOR 是一个推理时框架，先将自然语言决策问题映射为语法引导的抽象语法树（AST），再确定性地编译为可执行的优化代码。团队同时发布聚焦软约束建模的统一基准 SoftOR，ASTOR 在该基准上取得同类单次请求与多智能体 LLM 方法中最佳的综合准确率，并在仅含硬约束的标准自动形式化基准上保持竞争力。代码与数据已公开。
正文 · AI 翻译
摘要：现实世界的决策问题结合了两类性质不同的约束：必须满足的要求，称为硬约束；以及可以被违反的偏好，称为软约束。由于这些问题通常以自然语言形式呈现给决策者，大语言模型为辅助求解提供了天然工具。这催生了自动形式化，其重点是利用 LLM 将决策问题的自然语言描述转化为可执行的数学优化模型。然而，这类研究往往忽视消费者、管理者和规划者提出的软约束，尽管许多实际问题需要显式建模它们。我们提出 ASTOR，一个推理时框架，它将自然语言决策问题映射为语法引导的抽象语法树（AST），再将所得表示确定性地编译为可执行的优化代码。我们还提出 SoftOR，一个聚焦软约束形式化的自然语言问题统一基准。在 SoftOR 上，ASTOR 在可比的单请求和多智能体 LLM 方法中取得了最佳总体准确率，同时在仅包含硬约束的标准自动形式化基准上也保持竞争力。代码和数据可在 此 https URL 获取。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.26819 [cs.CL] |
| （或 arXiv:2610.26819v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.26819 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Amer Goel [查看邮箱]
[v1]
2026年10月19日星期一 17:52:35 UTC（880 KB）
[v2]
2026年10月22日星期四 18:21:47 UTC（882 KB）
来源：arXiv cs.CL · arxiv.org