运筹优化 | FrontierOR：LLM设计工业级算法
📌 该研究的贡献是？
✅FrontierOR把LLM-for-OR的评测从“会不会建模”推到了“会不会设计算法”。
✅从OR、MS等20+顶刊捞了180篇真实论文，每题配标准化大实例、Gurobi 参考解和独立可行性检查器，Hard子集50题卡死“Gurobi 1 小时单线程未证最优”
✅核心发现：最强One-shot模型只有31%的算例能同时做到“gap≤1% 且比 Gurobi 快”，而46.3%的大实例连Gurobi自己都证不出最优。
✅弱模型死在建模/约束/I-O，强模型（Claude Opus 4.6）瓶颈已转到启发式搜索深度；谁更敢用分解、邻域搜索、混合策略，谁的 QTE 就更高。

🚀 可探索的研究方向有？
① 结构化OR算法技能库：让Agent按问题结构检索组合列生成/Benders/LNS 模板。
② 高效自演化：CORAL把最难子集QTE拉到50%，但有限预算下的停滞检测与回退规避仍是开放问题。
③ 方法选择机理：为什么强模型偏向混合策略？建立"问题特征→算法族"的推荐理论。
④ Scaling Law：7B 级模型QTE仅 6%，参数量对算法设计能力的边际效应尚无系统刻画。
⑤ 形式化验证集成：把 SMT/Z3 嵌进生成管线，正确性保证与性能优化双目标。

🎓 适用专业
工业工程
运筹学
系统工程
管理科学与工程

运筹学 算法 大模型 供应链优化 硕博论文