MIT研究團隊突破性進展：讓AI語言模型化身企業最佳規劃顧問

想像一家咖啡公司正面臨供應鏈最佳化難題。這家公司從三家供應商採購咖啡豆，在兩座烘焙廠分別製成深焙與淺焙咖啡，最後配送至三個零售據點。每家供應商產能各異，烘焙與運輸成本也因地點不同而有所差異。面對23%的市場需求成長，如何找出成本最低的營運方案？

麻省理工學院研究團隊開發出革命性框架「LLM-Based Formalized Programming（LLMFP）」，讓人們只需用日常語言描述問題，就能透過大型語言模型（LLM）自動生成最佳解決方案。這項技術在九項複雜規劃任務測試中，成功率達85%，遠超傳統方法39%的表現。

研究團隊成員、MIT資訊與決策系統實驗室博士生郝怡倫解釋：「就像為企業配備一位智慧顧問，即使面對特殊規則或複雜條件，也能找出符合所有需求的最佳計畫。」這項突破性研究已發表於arXiv預印本伺服器，並將在2025年新加坡舉辦的國際學習表徵會議（ICLR）正式發表。

傳統最佳化演演算法雖能處理包含數十億種組合的複雜問題，但操作門檻極高。LLMFP框架的創新之處在於：

1. 自動化問題拆解：模擬人類思考模式，將自然語言描述轉換為數學模型
2. 即時錯誤修正：在規劃過程中進行多階段自我檢查與修正
3. 直覺化操作：無需專業訓練或提供範例即可使用

實際運作時，系統會先分析問題背景與目標，識別關鍵決策變數與限制條件，再轉換為最佳化演演算法能理解的程式碼。特別的是，框架內建「自我評估」模組，能自動補足遺漏的隱性條件。例如規劃咖啡供應鏈時，系統會主動排除「負數出貨量」等不合理方案。

研究團隊負責人、MIT航空太空工程學系副教授範楚楚強調：「這就像我們在MIT教授最佳化課程的理念——重點不是單一領域知識，而是解決問題的方法論。」測試顯示，LLMFP在不同領域的規劃任務中，整體成功率達到基準技術的兩倍。

這項技術可廣泛應用於航勤人員排班、工廠機臺排程等多元場景。未來團隊更計劃加入影象辨識功能，解決純文字難以完整描述的複雜規劃問題。範教授指出：「LLM開創了跨領域解決方案的新可能，讓一般使用者也能運用專業工具突破思考框架。」