L'IA face aux grands problèmes du monde · Informatique théorique · arXiv · 2026-10-23
Planification de la capacité des hubs de transport guidée par un LLM à partir de données textuelles métier
Titre original: LLM-Guided Transportation Hub Capacity Planning with Textual Business Inputs
Les modèles traditionnels de planification de la capacité des hubs optimisent bien sur des données quantitatives, mais peinent à intégrer le contexte métier qualitatif. Le cadre proposé fait proposer itérativement à un agent reposant sur un grand modèle de langage des décisions de capacité à partir de descriptions métier en langage naturel, en utilisant une table de décision en chaîne de pensée, et vérifie chaque décision grâce aux retours d'un modèle d'optimisation. Sur un réseau de fret réel de 13 hubs dans le sud-est des États-Unis, l'approche a obtenu un écart d'optimalité de 2,8 % par rapport à une vérité terrain cachée, contre 11,0 % pour le modèle d'optimisation traditionnel sans données textuelles.