Newest papers

ORSMT: Unleashing the Potential of Satisfiability Modulo Theories for Semantic Verification and Repair in LLM-Based Optimization

Rui Zhang, Chenyu Zhou, Jianghao Lin, Yaoxin Wu, Dongdong Ge, Wen Song · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29145 · open-access PDF

Arabic

وتستخدم نموذج اللغة الكبيرة بشكل متزايد نموذج التحسين من مشاكل اللغات الطبيعية، وتنتج الرياضيات المكتوبة، ومجموعة من الكود والرسالة المرسلة.إجراء تحقق واحد من مشكلة التحسين بين هذه العناوين يتطلب مقارنة سمعية: يمكن أن تصل النماذج غير المساوية إلى نفس الهدف، ويمكن أن تستخدم النماذج المساوية مختلفة، ويمكن أن تستبعد العناوين المساوية نفس المتطلبات المصدرية.أورد ORSMT رابطة سمعية محددة ومسائل علاقة SMT دقيقة.إنها تناسب القرارات المرجوة، وتشكيل المتغيرات المساوية، وتثبيت أو استنكار المنطقة الممكنة.

Machine translation (Meta M2M100); the English original follows.

Abstract

Large language models increasingly automate optimization modeling from natural language problems, producing written mathematics, solver code and a returned report. Verifying one optimization problem across these artifacts requires semantic comparison: unequal models can attain the same objective, equivalent models can use different auxiliary variables, and mutually consistent artifacts can omit the same source requirement. ORSMT provides a typed semantic interface and exact SMT relation queries. It aligns observable decisions, projects auxiliary variables, proves or refutes feasible region and

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange