محققان در مقاله جدیدی نشان دادند که چگونه میتوان از مدلهای زبانی بزرگ (LLM) برای بهینهسازی ظرفیت مراکز حملونقل استفاده کرد. این مدل با ترکیب دادههای کمی و متنی (Contextual Inputs)، شکاف عملکردی را در سیستمهای لجستیکی به طرز چشمگیری کاهش میدهد.
در آزمایشهای انجام شده روی یک شبکه حملونقل واقعی، این رویکرد جدید توانست دقت مدلهای سنتی را از ۱۱٪ خطا به تنها ۲.۸٪ برساند. این گام بزرگی برای پیوند زدن تحلیلهای کیفی کسبوکار با مدلهای ریاضی و بهینهسازی عملیاتی است.
سازی
منبع: arXiv Machine Learning