用于大规模供应链运营的可靠的法学硕士驱动的决策引擎：架构、安全性和性能保证

摘要

arXiv:2608.24889v1 Announce Type: new Abstract: Current large-scale supply chains are highly uncertain, dynamic, and disruption prone that are challenging to serve up timely and resilient decisions th...

and supply that the with LLM optimization The decision large

2026-08-28 1 阅读约1分钟阅读 Nirmal Kumar Jingar

arXiv:2608.24889v1 公告类型：新摘要：当前的大规模供应链具有高度不确定性、动态性和易中断性，通过传统的基于规则和仅优化的系统提供及时且有弹性的决策具有挑战性。异构数据源的供应不断增加，例如交易需求信号和非结构化中断报告，为智能系统提供了机会，可以同时进行推理、适应和优化。本文提出了一种将大型语言模型（LLM）与数学优化、概率预测和安全约束决策过滤相结合的混合架构作为决策引擎的性能，称为LLM驱动的决策引擎（LLM-DE）。与纯粹的数据驱动或启发式解决方案相比，LLM-DE 将语义推理与 LLM 相结合，并提供一组性能和安全保证，允许在大规模供应链流程中进行安全决策。建议的框架支持端到端决策，例如需求预测、库存优化以及运输路线和中断缓解。研究结果证实，基于语言的推理与优化和形式约束相结合，不仅可以得出更智能、更安全、更可扩展的供应链决策。这项研究提供了一种新的架构、完整的算法流程以及基于结合法学硕士的运营决策系统的数学构造的公式。所提出的模型为下一代智能供应链基础设施提供了务实和理论基础，这些基础设施可以在面临不确定性和巨大复杂性的情况下可靠地工作。

订阅66必读