論文の概要: GenOR-Twin: A Semantic Middleware for Integrating Operational Discourse with Mathematical Optimization

• arxiv url: http://arxiv.org/abs/2609.12863v1
• Date: Fri, 11 Sep 2026 13:49:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.767343
• Title: GenOR-Twin: A Semantic Middleware for Integrating Operational Discourse with Mathematical Optimization
• Title（参考訳）: GenOR-Twin: 操作談話と数学的最適化を統合するセマンティックミドルウェア
• Abstract要約: 我々は、構造化されていない運用ログと厳密な数学的最適化の間の翻訳ギャップを橋渡しする、ニューロシンボリックなフレームワークGenOR-Twinを紹介する。 我々のアーキテクチャでは,大規模言語モデルを直接解法ではなく意味翻訳器として位置づけている。 6つの異なる最適化領域にまたがるこのアプローチの一般化を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We introduce GenOR-Twin, a neuro-symbolic framework that bridges the translation gap between unstructured operational logs and rigorous mathematical optimization. Our architecture uniquely positions Large Language Models as semantic translators rather than direct solvers, ensuring that the system retains the feasibility guarantees of exact combinatorial methods. { \color{red}We design a dynamic constraint injection mechanism (the runtime translation of qualitative disruption events into formal mathematical constraints) that allows the system to structurally modify the optimization problem's feasibility region in real-time based on qualitative human inputs. The resulting bidirectional coupling---where operational observations update the virtual model state and optimized decisions are reflected back into the Knowledge Graph---satisfies the synchronization requirement of a proper Digital Twin. The framework features an adaptive decision policy} that automatically selects between low-complexity schedule repair and full re-optimization by analyzing the available system slack. Finally, we demonstrate the generalization of this approach across six distinct optimization domains, {\color{red}turning static models into resilient systems that adapt to the operational uncertainty and variability of real-world environments.}
• Abstract（参考訳）: 我々は、構造化されていない運用ログと厳密な数学的最適化の間の翻訳ギャップを橋渡しする、ニューロシンボリックなフレームワークGenOR-Twinを紹介する。 我々のアーキテクチャは,大規模言語モデルを直接解法ではなく意味翻訳器として位置づけ,システムが正確な組合せ法の実現可能性を保証する。 { \color{red} 動的制約注入機構(定性的な破壊事象を形式的な数学的制約に変換する実行時変換)を設計し、定性的な人間の入力に基づいて最適化問題の実現可能性領域をリアルタイムで構造化する。 結果として生じる双方向の結合 - 運用観察が仮想モデルの状態を更新し、最適化された決定が知識グラフに反映される - 適切なデジタルツインの同期要件を満たす。 このフレームワークは、低複雑さのスケジュール修復と、利用可能なシステムスラックを解析して完全な再最適化を自動選択する適応的決定ポリシーを特徴とする。 最後に,6つの異なる最適化領域にまたがるこのアプローチの一般化を実証し,静的モデルを実環境の運用上の不確実性と変動性に適応するレジリエントなシステムに変換する。 ※

関連論文リスト

• OptiAgent: End-to-End Optimization Modeling via Multi-Agent Iterative Refinement [0.0]
  OptiAgentは、解決可能な数学的定式化だけでなく、実行可能なコードも出力できるマルチエージェントフレームワークである。 我々のアーキテクチャは、専用のエージェントが構造を抽出する数学的モデリングステップを優先する。 4つの特別なフィードバック機構を持つ新しいマルチループ検証アーキテクチャを導入し、それぞれが異なる障害モードをターゲットにしている。
  論文  参考訳（メタデータ） (2026-07-06T17:27:16Z)
• Democratizing Large-Scale Re-Optimization with LLM-Guided Model Patches [14.24802309734814]
  本稿では,大規模言語モデル(LLM)がORエキスパートとして機能するエージェント的再最適化フレームワークを提案する。 提案フレームワークは,デプロイされた最適化モデルの対話的かつ連続的な適応を可能にする。
  論文  参考訳（メタデータ） (2026-05-18T17:28:25Z)
• Variational Entropic Optimal Transport [67.76725267984578]
  本稿では,ドメイン翻訳問題に対する変分エントロピー最適輸送(VarEOT)を提案する。 VarEOTは、補助正の正規化子上のトラクタブルな一般化として、log-partition $log mathbbE[exp(cdot)$の正確な変分再構成に基づいている。 合成データと画像と画像の変換に関する実験は、競争力のあるか、あるいはより良い翻訳品質を示す。
  論文  参考訳（メタデータ） (2026-02-02T15:48:44Z)
• A General and Streamlined Differentiable Optimization Framework [10.851559133306196]
  本稿では,Julia最適化フレームワークのためのDiffOptlインタフェースを提案する。 ファーストクラスのJuMPネイティブAPIでは、ユーザが名前付きパラメータのデリバティブを直接取得することができる。 その結果、ルーチンの区別は、標準のJuMPモデリングプラクティスから逸脱することなく、実験、学習、設計を行うためのトレーニングツールになり得ることが示される。
  論文  参考訳（メタデータ） (2025-10-29T21:42:36Z)
• Tuning for Trustworthiness -- Balancing Performance and Explanation Consistency in Neural Network Optimization [49.567092222782435]
  我々は,異なる特徴帰属法間の合意として定義された,XAI整合性という新しい概念を紹介する。 予測性能と説明のバランスをとる多目的最適化フレームワークを構築した。 本研究は、トレードオフゾーンバランス性能損失とXAI整合性による強靭性向上のモデルについて、今後の研究基盤を提供する。
  論文  参考訳（メタデータ） (2025-05-12T13:19:14Z)
• Localized Physics-informed Gaussian Processes with Curriculum Training for Topology Optimization [3.6352820455705372]
  物理インフォームドガウス過程(GP)に基づく同時かつメッシュフリーなトポロジー最適化(TO)フレームワークを提案する。 我々のフレームワークは、カスタマイズされたディープニューラルネットワーク(DNN)を介してパラメータ化される共有のマルチアウトプット平均関数を持つGPプリエントを介して、すべての設計と状態変数を提供する。 我々のTOアプローチは、適切に定義された材料インターフェースを生成し、グローバルな最適性を促進するための継続特性を内蔵している。
  論文  参考訳（メタデータ） (2025-03-18T22:59:16Z)
• Context-Aware Neural Gradient Mapping for Fine-Grained Instruction Processing [0.0]
  本稿では、動的勾配調整機構を導入し、文脈埋め込みを直接最適化プロセスに組み込む。 提案するフレームワークは,精度,ノイズに対する堅牢性,計算効率など,さまざまな指標のベースラインモデルよりも一貫して優れている。 文脈固有の埋め込みの統合により、言語をより複雑な理解が可能となり、様々な言語現象を扱うモデルの能力が向上する。
  論文  参考訳（メタデータ） (2025-01-24T21:49:24Z)
• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• Bayesian Prompt Learning for Image-Language Model Generalization [64.50204877434878]
  我々はベイズ法の正規化能力を用いて、変分推論問題としてプロンプト学習をフレーム化する。 提案手法は,プロンプト空間を正規化し,目に見えないプロンプトへの過剰適合を低減し,目に見えないプロンプトのプロンプト一般化を改善する。 ベイジアン・プロンプト学習がプロンプト空間の適切なカバレッジを提供する15のベンチマークを実証的に示す。
  論文  参考訳（メタデータ） (2022-10-05T17:05:56Z)
• Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces [54.58348769621782]
  木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。 ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。 我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
  論文  参考訳（メタデータ） (2022-07-02T16:59:37Z)
• Slimmable Domain Adaptation [112.19652651687402]
  重み付けモデルバンクを用いて、ドメイン間の一般化を改善するためのシンプルなフレームワーク、Slimmable Domain Adaptationを導入する。 私たちのフレームワークは、他の競合するアプローチを、複数のベンチマークにおいて非常に大きなマージンで上回ります。
  論文  参考訳（メタデータ） (2022-06-14T06:28:04Z)
• A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
  我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。 グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。 このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
  論文  参考訳（メタデータ） (2020-06-26T08:34:54Z)

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。