論文の概要: Automated Constraint Specification for Job Scheduling by Regulating Generative Model with Domain-Specific Representation

• arxiv url: http://arxiv.org/abs/2510.02679v1
• Date: Fri, 03 Oct 2025 02:34:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.243478
• Title: Automated Constraint Specification for Job Scheduling by Regulating Generative Model with Domain-Specific Representation
• Title（参考訳）: ドメイン特化表現による生成モデル制御によるジョブスケジューリングの自動制約仕様
• Authors: Yu-Zhe Shi, Qiao Xu, Yanjia Li, Mingchen Liu, Huamin Qu, Lecheng Ruan, Qining Wang,
• Abstract要約: 本稿では,大規模言語モデル (LLM) を規定する制約中心アーキテクチャを提案する。 自動生産シナリオ適応アルゴリズムを設計,展開し,アーキテクチャを特定の製造構成に合わせて効率的にカスタマイズする。実験結果から,提案手法はLCMの生成能力と製造システムの信頼性要件とのバランスをとることができた。
• 参考スコア（独自算出の注目度）: 38.193536141447254
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Advanced Planning and Scheduling (APS) systems have become indispensable for modern manufacturing operations, enabling optimized resource allocation and production efficiency in increasingly complex and dynamic environments. While algorithms for solving abstracted scheduling problems have been extensively investigated, the critical prerequisite of specifying manufacturing requirements into formal constraints remains manual and labor-intensive. Although recent advances of generative models, particularly Large Language Models (LLMs), show promise in automating constraint specification from heterogeneous raw manufacturing data, their direct application faces challenges due to natural language ambiguity, non-deterministic outputs, and limited domain-specific knowledge. This paper presents a constraint-centric architecture that regulates LLMs to perform reliable automated constraint specification for production scheduling. The architecture defines a hierarchical structural space organized across three levels, implemented through domain-specific representation to ensure precision and reliability while maintaining flexibility. Furthermore, an automated production scenario adaptation algorithm is designed and deployed to efficiently customize the architecture for specific manufacturing configurations. Experimental results demonstrate that the proposed approach successfully balances the generative capabilities of LLMs with the reliability requirements of manufacturing systems, significantly outperforming pure LLM-based approaches in constraint specification tasks.
• Abstract（参考訳）: 先進的な計画とスケジューリング(APS)システムは、ますます複雑で動的な環境において、資源割り当てと生産効率の最適化を可能にするため、現代の製造作業には欠かせないものとなっている。 抽象的なスケジューリング問題を解くアルゴリズムは広く研究されているが、製造要件を形式的制約に指定する重要な前提条件は、手作業と労働集約である。 生成モデルの最近の進歩、特にLarge Language Models (LLMs) は、異種生産データからの制約仕様の自動化を約束しているが、それらの直接的な応用は、自然言語の曖昧さ、非決定論的出力、ドメイン固有知識の制限による課題に直面している。 本稿では,LCMを規制し,信頼性の高い自動制約仕様を実行する制約中心アーキテクチャを提案する。 アーキテクチャは3つのレベルにまたがる階層的な構造空間を定義し、柔軟性を維持しながら精度と信頼性を確保するためにドメイン固有の表現によって実装されている。 さらに、特定の製造構成のアーキテクチャを効率的にカスタマイズするために、自動生産シナリオ適応アルゴリズムを設計、デプロイする。 実験の結果, 提案手法は, LLMの生成能力と製造システムの信頼性要件とのバランスを保ち, 制約仕様タスクにおける純粋な LLM ベースのアプローチを著しく上回っていることがわかった。

関連論文リスト

• An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
  本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。 このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。 完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
  論文  参考訳（メタデータ） (2025-04-20T16:57:45Z)
• Inference-Time Intervention in Large Language Models for Reliable Requirement Verification [2.3759432635713895]
  推論時間介入技術は微調整に代わる有望な手段である。 我々は、介入が通常時間を要する要求検証プロセスを自動化するためのきめ細かい制御を可能にする方法を実証する。 提案手法は, ベースラインモデルと微調整手法の両方において, 頑健で信頼性の高い出力を実現する。
  論文  参考訳（メタデータ） (2025-03-18T10:49:36Z)
• Automatic MILP Model Construction for Multi-Robot Task Allocation and Scheduling Based on Large Language Models [13.960259962694126]
  既存の手法は、動的な生産制約に適応する際の課題に直面します。 企業には 生産スケジュールデータに対する 高いプライバシ要件があります 本研究では,知識強化型混合整数線形時間(MILP)自動フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-18T01:45:19Z)
• Semantic Integrity Constraints: Declarative Guardrails for AI-Augmented Data Processing Systems [39.23499993745249]
  セマンティッククエリにおけるLLM出力に対する正当性条件を指定・強制するためのセマンティック整合性制約(SIC)を導入する。 SICは、従来のデータベース整合性制約をセマンティックセッティングに一般化し、グラウンド、サウンドネス、排他といった一般的なタイプの制約をサポートする。 本稿では,SICをクエリ計画と実行環境に統合するシステム設計について述べる。
  論文  参考訳（メタデータ） (2025-03-01T19:59:25Z)
• CONSTRUCTA: Automating Commercial Construction Schedules in Fabrication Facilities with Large Language Models [9.419063976761175]
  本稿では,半導体製造などの複雑なプロジェクトにおいて,LCMを活用して構築スケジュールを最適化する新しいフレームワークを提案する。 ConSTRUCTAは,(1)静的なRAGを通して構築固有の知識を統合すること,(2)アーキテクチャの専門知識にインスパイアされたコンテキストサンプリング技術を用いて関連するインプットを提供すること,(3)スケジュールを専門家の好みに合わせるために構築DPOを配置すること,といった課題に対処する。
  論文  参考訳（メタデータ） (2025-02-17T17:35:42Z)
• LLM-Generated Heuristics for AI Planning: Do We Even Need Domain-Independence Anymore? [87.71321254733384]
  大規模言語モデル(LLM)は、特定の計画問題に適した計画手法を生成することができる。 LLMは、いくつかの標準IPCドメインで最先端のパフォーマンスを達成することができる。 これらの結果がパラダイムシフトを意味するのか、既存の計画手法をどのように補完するかについて議論する。
  論文  参考訳（メタデータ） (2025-01-30T22:21:12Z)
• Towards Single-System Illusion in Software-Defined Vehicles -- Automated, AI-Powered Workflow [3.2821049498759094]
  本稿では,車載ソフトウェアシステムの開発における,新しいモデルと特徴に基づくアプローチを提案する。 提案されたアプローチの重要なポイントの1つは、近代的な生成AI、特にLarge Language Models(LLM)の導入である。 その結果、パイプラインは広範囲に自動化され、各ステップでフィードバックが生成される。
  論文  参考訳（メタデータ） (2024-03-21T15:07:57Z)
• Certified Reinforcement Learning with Logic Guidance [78.2286146954051]
  線形時間論理(LTL)を用いて未知の連続状態/動作マルコフ決定過程(MDP)のゴールを定式化できるモデルフリーなRLアルゴリズムを提案する。 このアルゴリズムは、トレースが仕様を最大確率で満たす制御ポリシーを合成することが保証される。
  論文  参考訳（メタデータ） (2019-02-02T20:09:32Z)

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。