理解大语言模型作为数值优化器的能力与局限

研究评估了大语言模型（LLM）作为数值优化器的能力，发现其能捕捉数学结构并生成接近最优解，但可靠性随问题维度增加而下降。在凸优化、分式规划等测试中，提供可行性与解质量反馈的迭代细化机制能显著提升可靠性并扩展有效维度。但持续存在的数值与结构错误限制了其独立应用，需结合确定性数值验证构建混合方案。