会話を始めよう：インタラクティブ最適化のためのLLMエージェントの設計と評価
arXiv cs.AI / 2026/4/6
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、効果的な最適化は、目的・制約・トレードオフを正しくモデル化することに依存しており、しばしば一度きりの解法の試行ではなく、利害関係者との反復的な対話が必要だと主張する。
- 利用者との会話に基づくLLM最適化エージェントを、スケーラブルに評価するための手法を提案する。具体的には、内部に効用関数を持つ役割演技型の意思決定エージェントを用いて、数千件の利害関係者らしい対話を生成する。
- 学校の時間割作成のケーススタディでは、ワンショット評価は性能を大きく過小評価する一方で、同じエージェントは対話によって実質的に質の高い解を達成することを示している。
- さらに、本研究は、ドメイン固有のプロンプトと構造化されたツールで最適化エージェントを調整することで、一般用途のチャットボットよりも解の質で優れると同時に、より少ないやり取りで良好な結果に到達できることを明らかにする。
- 本研究は、オペレーションズ・リサーチの専門知識が、インタラクティブ最適化エージェントの導入の設計と信頼性を高め、AIと実務的な最適化ニーズを橋渡しできる点を強調する。
