TL;DR
- چکیده:.
- عملکرد سیستم خدمات به نحوه پاسخ شرکت کنندگان به انتخابهای طراحی بستگی دارد،.
- اما مدل سازی این پاسخها به دلیل پیچیدگی رفتار انسان دشوار است.
چه اتفاقی افتاد
چکیده:. عملکرد سیستم خدمات به نحوه پاسخ شرکت کنندگان به انتخابهای طراحی بستگی دارد،.
اما مدل سازی این پاسخها به دلیل پیچیدگی رفتار انسان دشوار است. ما یک چارچوب شبیهسازی چند عامله مبتنی بر LLM (LLM-MAS) برای بهینهسازی عملیات خدمات معرفی میکنیم.
ما این مشکل را بهعنوان بهینهسازی تصادفی با عدم قطعیت وابسته به تصمیم مطرح میکنیم:. انتخابهای طراحی در اعلانها تعبیه شدهاند و توزیع نتایج حاصل از تعامل عوامل مبتنی بر LLM را شکل.
میدهند. با جاسازی اطلاعات عددی کلیدی در اعلانها و استخراج آن از متن تولید شده توسط LLM،.
این عدم قطعیت را بهعنوان یک زنجیره مارکوف کنترل شده مدل میکنیم. ما یک الگوریتم یادگیری در مسیر را توسعه میدهیم که در یک اجرای شبیهسازی،.
بهطور همزمان برآوردهای گرادیان مرتبه صفر را ایجاد میکند و پارامترهای طراحی را برای بهینهسازی عملکرد حالت پایدار. بهروزرسانی میکند.
ما همچنین کاهش واریانس را در نظر میگیریم تکنیکها در یک برنامه زنجیره تامین پایدار،. روش ما از معیارها،.
از جمله بهینهسازی جعبه سیاه و استفاده از LLM بهعنوان حلکنندههای عددی یا بهعنوان طراحان سیستم نقشآفرینی،. بهتر عمل میکند.
یک مطالعه موردی در مورد طراحی مسابقه بهینه با دادههای رفتاری واقعی نشان میدهد که LLM-MAS هم بهعنوان. یک ارزیاب مقرونبهصرفه برای طرحهای شناختهشده و هم یک ابزار اکتشافی است که میتواند طرحهای قوی را که.
توسط رویکردهای سنتی نادیده گرفته شدهاند،. کشف کند.
هوش مصنوعی (cs. AI)؛ سیستمهای چندعاملی (cs.
MA)؛ بهینهسازی و کنترل (math. OC) استناد بهعنوان: (یا v1 [cs.
AI] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Xiaowei Zhang [مشاهده ایمیل] [v1] دوشنبه،. 6 آوریل 2026،.
03:. 14:.
33 UTC (1,. 625 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.