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

Vietnamese

Các mô hình ngôn ngữ lớn ngày càng tự động hóa mô hình tối ưu hóa từ các vấn đề ngôn ngữ tự nhiên, tạo ra toán học viết, mã giải pháp và báo cáo trả về. Kiểm tra một vấn đề tối ưu hóa trên các hiện vật này đòi hỏi sự so sánh ngữ nghĩa: các mô hình không bình đẳng có thể đạt được cùng một mục tiêu, các mô hình tương đương có thể sử dụng các biến phụ khác nhau, và các hiện vật phù hợp với nhau có thể bỏ qua yêu cầu nguồn tương tự. ORSMT cung cấp giao diện ngữ nghĩa được viết và các truy vấn mối quan hệ SMT chính xác.

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