本文引入CP-SynC-XL基准测试评估三种LLM生成组合求解器的构建范式,发现使用Python结合OR-Tools API正确率最高,而提示搜索优化易引发启发式陷阱导致正确率显著下降,建议LLM应主要用于形式化约束而非直接优化搜索。
机构:UPenn
来源:arXiv 2605.12421 | AI4Papers 论文推荐平台