arXiv cs.AI· Anran Liu, Benzhao Hou, Zongsheng Cao, Daichao Wang, Lang Chen, Shitong Chen·· 1 天前AI 评分31
ArchOR：面向优化建模的结构感知技能检索与仲裁
Structure-Aware Skill Retrieval and Arbitration for Optimization Modeling
AI 导读
ArchOR 在 OptSkills 基础上新增两个检索模块，以 DeepSeek-V4.1-Flash 为骨干，在五个基准上达到 65.00% Micro-Avg. Pass@1，较 OptSkills 提升 1.64 个百分点 Micro-Avg. 和 2.68 个百分点 Macro-Avg.。
正文 · AI 翻译
摘要：大型语言模型（LLM）可以将自然语言优化任务转化为求解器可校验的答案，但当前智能体在叙事改写下仍然脆弱，且往往在实例级别存储可复用经验。我们提出 \textsc{ArchOR}，一种以原型为中心的技能智能体，它在 \textsc{OptSkills} 的基础上增加了两个面向检索的模块。\emph{质心感知表示学习}（CARL）通过低秩原型残差来优化缓存技能表示的排序。\emph{签名引导检索}（S\textsuperscript{3}R）为技能附加开放维度的结构签名，按加权 Jaccard 重叠度对候选进行优先级排序，并将语义重排序限制在前 $K$ 个集合内。一种保留基线的仲裁规则决定结构路径何时应替换原始选择器。在相同的 DeepSeek-V4.1-Flash 主干和已发布的技能库下，\textsc{ArchOR} 在五个基准上达到 65.00\% 的 Micro-Avg.\ Pass@1，相比 \textsc{OptSkills} 提升了 1.64~pp 的 Micro-Avg.\ 和 2.68~pp 的 Macro-Avg.。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.41909 [cs.AI] |
| （或 arXiv:2610.41909v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41909 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：An Liu [查看邮箱]
[v1]
2026年10月30日星期五 15:45:17 UTC（1,124 KB）
来源：arXiv cs.AI · arxiv.org