物流基础模型：面向可证明、对话式规划接口的探索
人工智能
2026-02-02 v2 形式语言与自动机理论
摘要
战场指挥官在暴风来临前重排空投，仓库经理在迟到的卡车之间来回奔波，物流运营人员需要做出关键决策。当前的物流规划方法如整数规划生成的计划满足用户定义的逻辑约束，前提是环境的理想化数学模型。另一方面，基础模型通过将自然语言用户语句翻译为可执行计划，降低了中间处理门槛，但仍容易产生误解和幻觉，这危及安全和成本。我们引入一个面向物流的视觉语言代理(VLL)，建立在神经符号框架之上，将自然语言对话的可访问性与对用户目标解释的可验证保证相结合。该代理解释用户请求并将其转换为结构化的规划规格，量化解释的不确定性，并在不确定性超过自适应阈值时调用交互式澄清循环。以轻量级空投物流规划用例为示例，突出了通用物流决策中实现可证明性和用户对齐性的实用路径。我们的轻量级模型仅需100个训练样本，即可在物流规划任务中超越20倍更大模型的零样本性能，同时将推理延迟降低近50%。
引用
@article{arxiv.2507.11352,
title = {Foundation Models for Logistics: Toward Certifiable, Conversational Planning Interfaces},
author = {Yunhao Yang and Neel P. Bhatt and Christian Ellis and Samuel Li and Alvaro Velasquez and Zhangyang Wang and Ufuk Topcu},
journal= {arXiv preprint arXiv:2507.11352},
year = {2026}
}