Rui Zhang, Chenyu Zhou, Jianghao Lin, Yaoxin Wu, Dongdong Ge, Wen Song · 2026 · arXiv
DOI: 10.48550/arXiv.2610.29145 · open-access PDF
Los grandes modelos de lenguaje cada vez más automatizan la modelación de optimización a partir de problemas de lenguaje natural, produciendo matemáticas escritas, código de solver y un informe devuelto. Verificar un problema de optimización entre estos artefactos requiere una comparación semántica: los modelos desiguais pueden alcanzar el mismo objetivo, los modelos equivalentes pueden utilizar diferentes variables auxiliares, y los artefactos mutuamente consistentes pueden omitir el mismo requisito de fuente. ORSMT proporciona una interfaz semántica tipificada y consultas de relación SMT exactas. Alinea las decisiones observables, diseña variables auxiliares, demuestra o refuta la región viable y
Machine translation (Meta M2M100); the English original follows.
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
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.29145, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange