Reinforcement Learning mit Ausführungsprüfung optimiert Modellierung von Optimierungsproblemen

Ein brandneuer Ansatz namens EVOM (Execution‑Verified Optimization Modeling) kombiniert Reinforcement Learning mit einer automatischen Ausführungsprüfung, um mathematische Programmiermodelle aus natürlicher Sprache zu generieren. Durch die direkte Interaktion mit dem Solver als deterministischem Verifizierer entsteht ein schlanker, schlanker Lernzyklus, der keine aufwändige Prozessüberwachung erfordert.

EVOM erzeugt solver‑spezifischen Code, führt ihn in einer sicheren Sandbox aus und wandelt die Ausführungsergebnisse in skalare Belohnungen um. Diese Belohnungen werden anschließend mit den RL‑Algorithmen GRPO und DAPO optimiert, wodurch ein geschlossener „Generate‑Execute‑Feedback‑Update“-Loop entsteht. Der Ansatz nutzt ausschließlich das Ergebnis der Ausführung, wodurch die Notwendigkeit für Prozess‑level‑Supervision entfällt.

Durch die Möglichkeit, die Verifizierungsumgebung zu wechseln, kann EVOM problemlos zwischen verschiedenen Solver‑Backends wie Gurobi, OR‑Tools und COPT wechseln, ohne neue solver‑spezifische Datensätze erstellen zu müssen. Experimente auf den Datensätzen NL4OPT, MAMO, IndustryOR und OptiBench zeigen, dass EVOM die Leistung von process‑supervised SFT‑Modellen erreicht oder übertrifft.

Besonders hervorzuheben ist die Zero‑Shot‑Solver‑Transfer‑Fähigkeit: EVOM kann neue Solver ohne zusätzliche Trainingsdaten übernehmen und liefert sofort brauchbare Ergebnisse. Darüber hinaus ermöglicht die fortlaufende Anpassung unter dem Ziel‑Solver eine kostengünstige Feinabstimmung, die die Effizienz weiter steigert.

Mit EVOM wird die Automatisierung von Optimierungsmodellierung nicht nur schneller und skalierbarer, sondern auch flexibler und kosteneffizienter – ein bedeutender Schritt in Richtung zukunftsfähiger Entscheidungsintelligenz.