論文の概要: Optimizing delivery for quick commerce factoring qualitative assessment of generated routes

• arxiv url: http://arxiv.org/abs/2510.08671v1
• Date: Thu, 09 Oct 2025 17:31:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:47.38551
• Title: Optimizing delivery for quick commerce factoring qualitative assessment of generated routes
• Title（参考訳）: 生産経路の質的評価による迅速商取引のための配送の最適化
• Authors: Milon Bhattacharya, Milan Kumar,
• Abstract要約: そこで本研究では,大規模言語モデル(LLM)を用いてVRP生成経路をポリシーベース基準に対して批判するフレームワークを提案する。 調査の結果,オープンソースのLCMでは79%の精度でルーティングの問題を特定し,プロプライエタリな推論モデルでは最大86%に達した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Indias e-commerce market is projected to grow rapidly, with last-mile delivery accounting for nearly half of operational expenses. Although vehicle routing problem (VRP) based solvers are widely used for delivery planning, their effectiveness in real-world scenarios is limited due to unstructured addresses, incomplete maps, and computational constraints in distance estimation. This study proposes a framework that employs large language models (LLMs) to critique VRP-generated routes against policy-based criteria, allowing logistics operators to evaluate and prioritise more efficient delivery plans. As a illustration of our approach we generate, annotate and evaluated 400 cases using large language models. Our study found that open-source LLMs identified routing issues with 79% accuracy, while proprietary reasoning models achieved reach upto 86%. The results demonstrate that LLM-based evaluation of VRP-generated routes can be an effective and scalable layer of evaluation which goes beyond beyond conventional distance and time based metrics. This has implications for improving cost efficiency, delivery reliability, and sustainability in last-mile logistics, especially for developing countries like India.
• Abstract（参考訳）: インドのeコマース市場は急速に成長すると予想されている。 車両ルーティング問題(VRP)に基づく解法は配送計画に広く用いられているが,非構造化アドレスや不完全マップ,距離推定における計算制約などにより,現実のシナリオにおける有効性は制限されている。 本研究は,大規模言語モデル(LLM)を用いて,VRP生成経路をポリシーに基づく基準に適合させ,ロジスティクスオペレーターがより効率的な配送計画の評価と優先順位付けを可能にするフレームワークを提案する。 私たちのアプローチの例示として、大きな言語モデルを用いて400のケースを生成し、注釈付けし、評価する。 調査の結果,オープンソースのLCMでは79%の精度でルーティングの問題を特定し,プロプライエタリな推論モデルでは最大86%に達した。 LLMによるVRP生成経路の評価は,従来の距離と時間に基づく測定値を超えた,効果的でスケーラブルな評価層であることを示す。 これは、特にインドのような発展途上国において、コスト効率の向上、配送の信頼性、ラストマイルロジスティクスの持続可能性に影響を及ぼす。

関連論文リスト

• CITER: Collaborative Inference for Efficient Large Language Model Decoding with Token-Level Routing [74.14816777318033]
  Token-lEvel Routing(CITER)との協調推論は、小規模および大規模言語モデルの効率的な協調を可能にするフレームワークである。 ルータの学習をポリシー最適化として定式化し、予測の質と生成の推論コストの両方に基づいて報酬を受け取る。 実験の結果,CITERは高品質な生成を保ちながら推論コストを低減し,リアルタイムおよびリソース制約のあるアプリケーションに対して有望なソリューションを提供することがわかった。
  論文  参考訳（メタデータ） (2025-02-04T03:36:44Z)
• A Deep Reinforcement Learning Approach for Constrained Online Logistics Route Assignment [4.367543599338385]
  物流業界にとって、各出荷区画に適切な物流ルートを割り当てる方法が不可欠である。 このオンライン経路割り当て問題は、制約付きオンライン意思決定問題とみなすことができる。 我々はPPO-RAと呼ばれるモデルフリーDRLアプローチを開発し、経路割当(RA)の課題に対処する専用の技術を用いてPPO(Pximal Policy Optimization)を改善した。
  論文  参考訳（メタデータ） (2021-09-08T07:27:39Z)

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。