正确答案与高成本模型：LLM 优化建模的效率缺口

一篇 arXiv 论文研究 LLM 自动构建优化模型时的效率问题。作者整理含 50 项专家建模技术的 OptTips 知识库，并开发多智能体框架 OptDachshund，将已有优化基准转成新评测任务，生成常规与专家模型及求解代码作为基线，形成含 561 个专家审核任务的 EfficientOpt 基准。对 11 个代表性 LLM 的评测显示，在正确求解的任务上，多数生成程序的求解时间长于专家版本。

此前对 LLM 优化建模的评估多关注答案是否正确，该工作把求解时间与内存等计算成本纳入同一套配对基准。结果显示正确性达标并不等于可用：即使变量和线性约束更少、目标值正确的程序，也可能求解更慢，说明仅看正确率会高估 LLM 在真实决策流程中的可落地程度。

作者假设 LLM 往往能识别问题结构，但未必选用合适的建模技术，从而生成数学形式正确却计算上更昂贵的模型。方法上先用专家建模技术知识库，再通过多智能体框架为同一任务与数据构造常规模型和专家模型，形成正确性与计算成本的成对参照，使效率差异可以被系统测量。

对做优化或决策类 AI 产品的团队，评测指标需要从答案正确率扩展到求解时间、内存和变量规模等成本维度；在生成求解代码的流程中，应加入专家建模规则或知识库作为后处理或约束，并对生成模型做成本回归检查，否则用户可能拿到正确但昂贵、难以规模化的结果。

• 在优化建模产品中加入求解时间与内存的自动成本评分，与正确率一起展示给用户。
• 把专家建模技术知识库做成可检索的提示或规则层，用于修正 LLM 生成的模型结构。
• 针对同一任务同时生成常规版与专家版模型，让用户按成本与精度自行选择。
• 为企业客户提供 LLM 生成优化代码的成本回归测试服务，防止上线后求解开销上升。

• OptTips 的 50 项技术覆盖哪些建模家族，是否公开可复用？
• EfficientOpt 基准的 561 个任务是否覆盖真实业务场景，还是主要来自学术基准？
• 效率缺口在更大规模问题或商用求解器上是否同样成立？
• 多智能体框架 OptDachshund 的额外调用成本是否抵消了建模效率收益？