Проблема перевода языка в математику
Quadratic Unconstrained Binary Optimization (QUBO) стала стандартом де-факто для комбинаторной оптимизации благодаря совместимости с квантовыми, гибридными и квантово-вдохновенными решателями. Однако создание корректной QUBO-модели из текстового описания задачи — сложный процесс. Он требует ручного определения бинарных переменных, ограничений, целевых функций и, что критично, весов штрафных членов (penalty weights). Ошибка в этих параметрах делает решение невалидным, а процесс требует глубокой экспертизы.
Решение: Многоагентная архитектура
Авторы Niloy Kumar Mondal и Md Rizwan Parvez предложили end-to-end фреймворк, использующий несколько AI-агентов для автоматизации этого конвейера. Система не просто генерирует код, но и использует структурированные или неструктурированные тестовые случаи для верификации. Ключевым элементом успеха стала функция итеративного самовосстановления (iterative self-repair), позволяющая модели находить и исправлять логические ошибки в сгенерированных формулировках.
QUBOBench: Новый бенчмарк
Для объективной оценки авторы создали датасет QUBOBench. Он включает 100 задач комбинаторной оптимизации, охватывающих 12 различных предметных областей. Задачи отобраны из рецензируемой литературы, технических соревнований и канонических NP-трудных проблем, что обеспечивает высокую репрезентативность теста.
Результаты и метрики
Эксперименты показали, что предложенный многоагентный подход значительно превосходит базовые модели. Ниже приведено сравнение эффективности:
| Метрика / Компонент | Значение | Примечание |
|---|---|---|
| Точность на QUBOBench | 68% | Доля корректно сгенерированных QUBO-форм |
| Прирост над базовой линией | +22% | Сравнение с однократным вызовом LLM (single-call baseline) |
| Количество задач | 100 | В датасете QUBOBench |
| Количество доменов | 12 | Охват прикладных областей |
Значение для индустрии
Работа, принятая к публикации на ICML 2026 Workshop on AI as a Tool for Mathematics, закрывает важный разрыв между человеческим пониманием задачи и машинной оптимизацией. Открытый доступ к коду и данным (available at the provided URL) позволяет исследователям и инженерам быстрее внедрять квантовые алгоритмы в свои проекты, минимизируя порог входа, связанный с математической формализацией.
Источник: arXiv cs.AI ↗