論文の概要: SMARTAPS: Tool-augmented LLMs for Operations Management

• arxiv url: http://arxiv.org/abs/2507.17927v1
• Date: Wed, 23 Jul 2025 20:53:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:42.611312
• Title: SMARTAPS: Tool-augmented LLMs for Operations Management
• Title（参考訳）: SMARTAPS:運用管理のためのツール拡張LDM
• Authors: Timothy Tin Long Yu, Mahdi Mostajabdaveh, Jabo Serge Byusa, Rindra Ramamonjison, Giuseppe Carenini, Kun Mao, Zirui Zhou, Yong Zhang,
• Abstract要約: 大規模言語モデル(LLM)は、現実世界のアプリケーションにおける従来のアルゴリズムやツールとのユーザインタラクションを強化するための興味深い機会を提供する。 本稿では,サプライチェーンプランナが表現するよりアクセスしやすい高度計画システム(APS)の必要性に対処するため,SmartAPSを提案する。 本システムでは,操作プランナに対して直感的な自然言語チャットインタフェースを提供し,情報クエリを可能にする。
• 参考スコア（独自算出の注目度）: 20.89692092978231
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) present intriguing opportunities to enhance user interaction with traditional algorithms and tools in real-world applications. An advanced planning system (APS) is a sophisticated software that leverages optimization to help operations planners create, interpret, and modify an operational plan. While highly beneficial, many customers are priced out of using an APS due to the ongoing costs of consultants responsible for customization and maintenance. To address the need for a more accessible APS expressed by supply chain planners, we present SmartAPS, a conversational system built on a tool-augmented LLM. Our system provides operations planners with an intuitive natural language chat interface, allowing them to query information, perform counterfactual reasoning, receive recommendations, and execute scenario analysis to better manage their operation. A short video demonstrating the system has been released: https://youtu.be/KtIrJjlDbyw
• Abstract（参考訳）: 大規模言語モデル(LLM)は、現実世界のアプリケーションにおける従来のアルゴリズムやツールとのユーザインタラクションを強化するための興味深い機会を提供する。 アドバンスト・プランニング・システム(Advanced Planing System、APS)は、オペレーション・プランナーがオペレーション・プランを作成し、解釈し、修正するのを助けるために最適化を利用する高度なソフトウェアである。 非常に有益ではあるが、多くの顧客は、カスタマイズとメンテナンスを担当するコンサルタントの継続的なコストのために、APSの使用から外されている。 本稿では、サプライチェーンプランナが表現するよりアクセスしやすいAPSの必要性に対処するため、ツール拡張LDM上に構築された対話型システムSmartAPSを提案する。 本システムでは,操作プランナに直感的な自然言語チャットインタフェースを提供することで,情報をクエリし,反ファクト推論を行い,レコメンデーションを受信し,シナリオ解析を行い,操作をよりよく管理する。 このシステムをデモする短いビデオがリリースされた。

関連論文リスト

• Thought-Augmented Planning for LLM-Powered Interactive Recommender Agent [56.61028117645315]
  本稿では,蒸留した思考パターンを通じて複雑なユーザ意図に対処する,思考増強型対話型推薦エージェントシステム(TAIRA)を提案する。 具体的には、ユーザニーズを分解し、サブタスクを計画することでレコメンデーションタスクを編成するマネージャエージェントを備えたLLM方式のマルチエージェントシステムとして設計されている。 複数のデータセットにまたがる包括的な実験により、IRAは既存の手法に比べて大幅に性能が向上した。
  論文  参考訳（メタデータ） (2025-06-30T03:15:50Z)
• Skill Discovery for Software Scripting Automation via Offline Simulations with LLMs [63.10710876536337]
  検証済みスクリプトの集合であるソフトウェア固有のスキルセットをキュレートするためのオフラインシミュレーションフレームワークを提案する。 本フレームワークは,1)タスク作成,トップダウン機能の利用,およびボトムアップAPIのシナジー探索という2つのコンポーネントから構成される。 Adobe Illustratorでの実験では、我々のフレームワークは自動化の成功率を大幅に改善し、レスポンス時間を短縮し、ランタイムトークンのコストを削減しています。
  論文  参考訳（メタデータ） (2025-04-29T04:03:37Z)
• VeriPlan: Integrating Formal Verification and LLMs into End-User Planning [12.09421887596555]
  本稿では,エンドユーザープランニングにおけるLCMの信頼性と柔軟性を高めるために,形式的検証手法,特にモデルチェックを適用したVeriPlanを提案する。 本研究は,エンドユーザー計画タスクにおいて,形式検証とユーザ制御機能をLLMに効果的に統合することを示す。
  論文  参考訳（メタデータ） (2025-02-25T06:53:00Z)
• CATP-LLM: Empowering Large Language Models for Cost-Aware Tool Planning [43.13654681136326]
  コスト対応ツール計画のためのLCM(CATP-LLM)フレームワークを提案する。 具体的には、多分岐非順序計画を作成するためのLLMを強化するためのツール計画言語を設計する。 また,多様なタスクから11,100個の評価サンプルを含む,コスト対応プランニングのための最初のデータセットであるOpenCATPについても紹介する。
  論文  参考訳（メタデータ） (2024-11-25T12:05:49Z)
• LLM-based Multi-Agent Systems: Techniques and Business Perspectives [26.74974842247119]
  マルチモーダル (multi-modal) な大規模言語モデルの時代において、ほとんどの操作プロセスは LLM エージェントを使って再構成および再生することができる。 発達の自然なトレンドとして、呼び出しツールは自律的なエージェントになりつつあるため、完全なインテリジェントシステムはLLMベースのマルチエージェントシステム(LaMAS)であることが判明した。 従来の単一LLMエージェントシステムと比較して、LaMASは、動的タスク分解と有機的特殊化の利点、システム変更の柔軟性の向上、および、各エンティティに対する収益化の実現可能性を有する。
  論文  参考訳（メタデータ） (2024-11-21T11:36:29Z)
• Large Language Model as a Catalyst: A Paradigm Shift in Base Station Siting Optimization [62.16747639440893]
  大規模言語モデル(LLM)とその関連技術は、特に迅速な工学とエージェント工学の領域において進歩している。 提案するフレームワークは、検索拡張生成(RAG)を組み込んで、ドメイン固有の知識を取得してソリューションを生成するシステムの能力を高める。
  論文  参考訳（メタデータ） (2024-08-07T08:43:32Z)
• Tool Learning in the Wild: Empowering Language Models as Automatic Tool Agents [56.822238860147024]
  大規模な言語モデルを外部ツールで拡張することは、彼らのユーティリティを拡張するための有望なアプローチとして現れました。 以前のメソッドは、ツールドキュメントを手動で解析し、コンテキスト内デモを作成し、ツールをLLMがステップバイステップの推論で使用する構造化フォーマットに変換する。 LLMがツール使用ワークフローを自動化できるフレームワークであるAutoToolsを提案する。
  論文  参考訳（メタデータ） (2024-05-26T11:40:58Z)
• KnowAgent: Knowledge-Augmented Planning for LLM-Based Agents [52.34892973785117]
  大規模言語モデル(LLM)は複雑な推論タスクにおいて大きな可能性を証明していますが、より高度な課題に取り組むには不十分です。 この不適切さは、主に言語エージェントのアクション知識が組み込まれていないことに起因する。 我々は、明示的な行動知識を取り入れることで、LLMの計画能力を高めるために設計された新しいアプローチであるKnowAgentを紹介する。
  論文  参考訳（メタデータ） (2024-03-05T16:39:12Z)
• Recommender AI Agent: Integrating Large Language Models for Interactive Recommendations [53.76682562935373]
  我々は,LLMを脳として,レコメンダモデルをツールとして使用する,textbfInteRecAgentという効率的なフレームワークを紹介した。 InteRecAgentは会話レコメンデーションシステムとして満足度を達成し、汎用LLMよりも優れる。
  論文  参考訳（メタデータ） (2023-08-31T07:36:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。