LangNCO 把自然语言约束编译成推理期干预，冻结求解器无需重训
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载冻结求解器加语言前端
LangNCO 的做法是不改动已经训练好的神经组合优化求解器：策略网络的结构、学到的输入表示以及参数都保持原样。系统在推理阶段接入一个预训练大语言模型，把它当作可替换的语义前端，负责把使用者用自然语言提出的要求翻译成一套规则集合，这套规则要经过模式校验，并以领域特定语言的形式落地。随后由一个确定性的规则执行器把规则施加到求解过程上，形式是非扩张的硬动作掩码。这样，部署之后才出现的新要求不必通过重新训练进入模型，而是以可检查的规则文本形式存在，语义前端也可以单独更换。
局部掩码的盲区与补救
只在当前一步屏蔽违规动作，能挡住眼前的冲突，却无法保证剩下的步骤里仍然存在一条完整可行的路线，这是该方法要专门处理的问题。为此作者引入 Critical-Offset Decoding：先从规则中提取被规则引用的关键节点，再把固定的 rollout 预算划出一部分，改投到带有多档强度偏置的 rollout 上。也就是说，解码阶段不是单纯地禁止某些动作，而是在关键位置用不同强度的引导多试几条路径，用有限的采样额度换取可行解仍可被找到的机会。
受控语言下的评测设置
实验用受控的任务专用表述来提出约束，从而把求解器自身的适配能力与开放式自然语言的鲁棒性区分开，避免两者混在一起。评测对象是一个 CVRP 策略，覆盖道路封闭、时间窗、车辆指派、访问顺序要求这几类主要约束，以及它们两两组合的情形，另外还加入十二种约束类型。规则由语言前端分别生成后再组合使用时，可行性表现与单一约束下并不相同，作者据此考察规则组合带来的影响。整套流程不需要重新训练，适配发生在推理阶段。
可行性数据说明了什么
在四个主要数据集上，LangNCO 报告的可行性为 100%，平均参考差距落在 1.63--3.26% 区间；把分别生成的规则组合起来应对两两约束时，可行性为 97.33--100%；在额外约束类型上，可行性为 98.67%。这些数字对应的含义是：约束以可审查的语言规则形式进入求解流程后，冻结的求解器仍能给出满足要求的解，代价体现在与参考解之间的差距上。对使用者而言，这意味着部署后的需求变更可以通过编写和校验规则来处理，而不必触动模型权重；同时，规则组合与更多约束类型下的可行性并非始终满值，说明这套推理期干预仍有其适用边界。
为什么值得看
展示冻结求解器通过可检查的语言规则做部署后适配的路径，附具体可行率与差距数据，对做约束满足与组合优化落地的人有参考价值。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。