SecondSource從一手資料重建判斷

據論文摘要,作業研究學者自報:讓 AI 程式代理寫的排程求解器,在一批還沒有最佳解的工廠排程題上,比商業求解器更接近理論下界。

概念插圖:深褐色底座上有一塊大白色板面,左側畫著一台黑色電腦主機和一台螢幕,螢幕上有灰色文字線條;主機與螢幕右邊是兩條橫條,黑底白字標籤分別寫著「CODING AGENT」(紅色橫條)和「CP OPTIMIZER」(較長、有黑色框線的米色橫條)。一條黑色直線從上而下穿過兩條橫條,直線上方的黑底白字標籤寫著「LOWER BOUND」;紅色橫條越過直線後不遠就結束,米色橫條則一直延伸到接近板面右緣。 圖上印著:1.8% AI 程式代理寫的求解器,最多高出理論下界;CP Optimizer 是 2.6% 到 5.8%,作者自報。

四位作者用的是哪個語言模型,摘要沒寫。同一台工作站、相同運算預算下,程式代理寫的求解器高出下界 0.0% 到 1.8%,商業求解器 CP Optimizer 是 2.6% 到 5.8%,Hexaly 是 2.4% 到 4.4%。題目是 job-shop 排程:每個工件有一串要依序在指定機器上加工的工序,求最短完工的排法;理論下界是完工時間不可能再短的界線,離下界越近,排法越接近最佳。作者說每張排程都用自己提供的檢查程式驗證過,資料與程式碼公開,還沒有別人重跑。代理寫求解器花了多少時間與 token、商業求解器有沒有調過參數,摘要都沒寫(arXiv 2611.17682,2026-11-13)。 怎麼查的 →

出處與查證

這則刊在2026年11月16日的晨報,同一期還有 10 則。查證經過、引句核對與當天缺的資料,記在那一期的本日驗證。

引用這則

SecondSource(2026),〈據論文摘要,作業研究學者自報:讓 AI 程式代理寫的排程求解器,在一批還沒有最佳解的工廠排程題上,比商業求解器更接近理論下界。〉,https://secondsource.io/research/2026-11-16-2/,取用日期取用。