NEMO: 自律型コーディングエージェントによる実行を考慮した最適化モデリング

TL;DR（結論）

NEMOは、自然言語による意思決定問題の記述を、自律型コーディングエージェント（ACA）を活用して実行可能な数学的最適化モデルへと変換する革新的なシステムです。サンドボックス環境でのコード実行と、命令型のシミュレータによる非対称な検証ループ、外部メモリを用いた数発学習、自己整合性メカニズムを組み合わせることで、生成されたコードの信頼性と実行可能性を高度に担保しています。評価の結果、9つの主要な最適化ベンチマークのうち8つにおいて従来技術を凌駕する最高水準の性能を達成し、特定の課題では最大28パーセントポイントの精度向上を実現したことが示されています。

なぜこの問題か

意思決定に基づく最適化問題は、サプライチェーン管理、資源配分、ポートフォリオ構築、エネルギーシステム計画など、現代社会の多岐にわたる重要なドメインで発生しています。これらの問題は通常、数千の変数や複雑な制約、ドメイン固有の構造を含んでおり、信頼性の高い解決策を構築するには、エンドユーザー、ドメイン専門家、そして高度なスキルを持つオペレーションズ・リサーチの実務家の間での密接な協力が必要とされます。この開発プロセスは本質的に反復的であり、ビジネス目標の進化や運用制約の変化、新しいデータの利用可能性に応じて、モデルを繰り返し修正しなければなりません。問題の特定からソルバーの選択、定式化、実装、そして評価に至るフィードバックループは、非常にコストがかかり時間がかかるため、最適化技術の活用を制限する大きなボトルネックとなっています。 近年の大規模言語モデル（LLM）の進歩は、このパイプラインの自動化に有望な道を開いていますが、既存の手法には根本的な限界が存在します。…

核心：何を提案したのか

本論文では、LLMの直接的な利用と、自律型コーディングエージェント（ACA）とのリモート対話を組み合わせたシステムであるNEMOを提案しています。NEMOは、最適化の実務家が行う人間中心のワークフローから直接的な着想を得て設計されており、自然言語による記述を実行可能な最適化モデルへと確実かつ自動的に変換することを目指しています。このシステムの中心的な特徴は、ACAをAPIベースのLLM対話に類似した第一級の抽象化として扱う設計思想にあります。ACAはサンドボックス化された実行環境内で動作し、コードの生成、実行、検査、および反復的な修正を行う能力を備えているため、生成された実装は構造的に実行可能であることが保証されます。 NEMOのアーキテクチャは、意思決定プロセスの抽出、シミュレータの構築、ソルバーの推奨、そして最適化器の生成という複数のコンポーネントで構成されています。…

続きはログイン/プランで閲覧できます。