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

Hindi

बड़े भाषा मॉडल प्राकृतिक भाषा समस्याओं से अनुकूलन मॉडलिंग को तेजी से स्वचालित करते हैं, लिखित गणित, समाधान कोड और एक रिटर्न रिपोर्ट का उत्पादन करते हैं। इन आर्टिफैक्ट्स के बीच एक अनुकूलन समस्या की पुष्टि करने के लिए समानता की तुलना की आवश्यकता होती है: असमान मॉडल एक ही उद्देश्य प्राप्त कर सकते हैं, समकक्ष मॉडल विभिन्न सहायक परिवर्तकों का उपयोग कर सकते हैं, और एक-दूसरे के अनुकूल आर्टिफैक्ट्स एक ही स्रोत आवश्यकता को छोड़ सकते हैं।

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