La IA y los problemas difíciles del mundo · Informática teórica · arXiv · 2026-10-23
Planificación de la capacidad de centros de transporte guiada por LLM con datos de negocio en texto
Título original: LLM-Guided Transportation Hub Capacity Planning with Textual Business Inputs
Los modelos tradicionales de planificación de la capacidad de centros logísticos optimizan bien con datos cuantitativos, pero tienen dificultades para incorporar el contexto empresarial cualitativo. El marco propuesto hace que un agente basado en un modelo de lenguaje de gran tamaño proponga de forma iterativa decisiones de capacidad a partir de descripciones empresariales en lenguaje natural, mediante una tabla de decisión de cadena de pensamiento, y verifica cada decisión con la retroalimentación de un modelo de optimización. En una red de transporte de carga real de 13 centros en el sudeste de EE. UU., el enfoque logró una brecha de optimalidad del 2.8% frente a una referencia real oculta, en comparación con el 11.0% del modelo de optimización tradicional sin entradas textuales.