本次围绕大模型运筹优化这个方向筛选了9篇高质量论文都是近年来具有较高引用价值或方法创新的研究工作其中部分来自顶会NeurIPS、AAAI。对于论文er来说这些论文方法结构清晰、可复现性较强在多个任务上都有可延展的空间。如果你是想尽快有产出就可以拿一份用来搭建baseline、参考方法改进以及扩展实验设计思路。下文为部分论文简析感兴趣的朋友可0门槛获取完整合集全部论文开源代码需要的同学看文末【AAAI 2026】OR-R1: Automating Modeling and Solving of Operations Research Optimization Problem via Test-Time Reinforcement Learning研究方法论文以Qwen3-8B 大模型为基础通过监督微调SFT 结合测试时分组相对策略优化TGRPO 的两阶段方法实现运筹优化问题的自动化建模与求解并用格式、有效代码、多数投票复合奖励提升输出一致性与准确率。创新点首次将监督微调SFT与测试时分组相对策略优化TGRPO结合打造面向运筹优化问题自动化建模求解的高效框架OR-R1。设计格式、有效代码、多数投票三位一体的复合奖励函数精准适配运筹优化任务的学习需求。仅用传统方法1/10的标注数据就实现SOTA效果大幅降低数据依赖同时显著缩小单轮与多轮生成的准确率差距。研究价值OR-R1框架用远少于传统方法的训练数据实现了运筹优化问题自动化建模与求解的最优性能有效降低行业应用的专业门槛与数据成本同时大幅提升大模型单次输出的可靠性与一致性。【NeurIPS】MURKAMulti-Reward Reinforcement Learning with Knowledge Alignment for Optimization Tasks研究方法论文以LLaMa3-8B 大模型为底座通过Extractor/Solver/Checker 三智能体协作结合多维度复合奖励强化学习与大模型知识蒸馏完成运筹优化问题从自然语言解析到可执行 AMPL 模型生成、求解与验证的全流程自动化。创新点提出Extractor-Solver-Checker三智能体协同框架将运筹优化问题拆解为信息抽取、模型生成、迭代验证三阶段提升流程效率与可解释性。设计融合格式、约束、语义、相似度的多维复合奖励函数结合GRPO强化学习精准优化优化问题的信息抽取质量。采用大模型知识蒸馏将强推理能力迁移到轻量模型在小参数量基座上实现更高求解精度与执行成功率降低部署成本。研究价值MURKA基于轻量级大模型构建多智能体协同框架结合多奖励强化学习与知识蒸馏显著提升运筹优化自动化求解精度与执行可靠性有效降低计算成本与专业门槛为工业场景中自然语言到优化模型的端到端自动化落地提供高效可行方案。如何领取全部论文关注下方《学姐带你玩AI》回复“222”获取全部方案开源代码码字不易欢迎大家点赞评论收藏