热点事件持续更新
研究人员提出基于LLM外生世界模型的动态调度方法AWMP
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月22日，研究人员提出了一种基于预训练大语言模型（LLM）的外生世界模型与AWMP规划方法，用于预测不确定的未来工件到达并优化动态调度。该方法采用后状态分解使LLM仅专注于预测外生到达，并结合惊奇触发刷新机制与在线残差自校准，以有效应对非平稳到达问题。测试结果表明，在多种到达分布下，AWMP相比8种经典调度规则，在动态作业车间上可降低6%至21%的加权拖期，在柔性作业车间上可降低22%至46%的加权拖期。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 12:00
研究人员提出AWMP规划方法，利用LLM外生世界模型显著降低动态调度拖期。报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv 人工智能基于 LLM 的外生世界模型在动态调度中的应用
研究人员提出基于预训练大语言模型（LLM）的外生世界模型与 AWMP 规划方法，用于预测不确定的未来工件到达并优化动态调度。该方法通过后状态分解让 LLM 仅预测外生到达，并结合惊奇触发刷新机制与在线残差自校准应对非平稳到达。在多种到达分布下，AWMP 相比 8 种经典调度规则在动态作业车间上降低 6-21% 加权拖期，在柔性作业车间上降低 22-46%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。