Text2Zinc：用于在 MiniZinc 中建模优化与满足问题的跨领域数据集
计算与语言
2025-03-17 v1 人工智能
摘要
利用大型语言模型（LLM）作为组合优化与约束规划任务在各种问题中的副驾驶正受到越来越多的关注。本文旨在通过引入 Text2Zinc 推进这一研究方向，这是一个用于捕获自然语言文本中指定的优化与满足问题的跨领域数据集。我们的工作与先前尝试的区别在于，通过使用与求解器无关的建模语言，将满足问题和优化问题整合在一个统一的数据集中。为实现这一点，我们利用 MiniZinc 的与求解器和范式无关的建模能力来表述这些问题。使用 Text2Zinc 数据集，我们进行了全面的基线实验，比较了多种方法的执行效率和求解准确性，包括现成提示策略、链式思维推理和组合方法。此外，我们探讨了中间表示的有效性，特别是知识图谱。我们的发现表明，LLM 尚不能即插即用地从文本中建模组合问题。我们希望 Text2Zinc 能成为研究人员和实践者进一步推进该领域的宝贵资源。
引用
@article{arxiv.2503.10642,
title = {Text2Zinc: A Cross-Domain Dataset for Modeling Optimization and Satisfaction Problems in MiniZinc},
author = {Akash Singirikonda and Serdar Kadioglu and Karthik Uppuluri},
journal= {arXiv preprint arXiv:2503.10642},
year = {2025}
}