LLM ӨҢДЕУІ ҮШІН NP-ТОЛЫҚ ЕСЕПТЕРДІҢ ЭКЗЕМПЛЯРЛАРЫН ТАБИҒИ ТІЛДЕ КОДТАУ
##plugins.pubIds.doi.readerDisplayName##:
https://doi.org/10.54309/IJICT.2026.25.1.007Кілт сөздер:
NP-толық есептер, табиғи тілде кодтау, үлкен тілдік модельдер, комбинаторлық оңтайландыруАңдатпа
Үлкен тілдік модельдер (LLM) құрылымдалған шешім қабылдау есептерін эвристикалық әдістермен шешу құралы ретінде барған сайын кеңінен қолданылуда. Алайда NP-толық есептердің басым бөлігі символдық түрде беріледі, бұл олардың тілдік модельдерді оқыту барысында қолданылған деректердің таралу ерекшеліктеріне жеткілікті деңгейде сәйкес келмейді. Бұл зерттеуде жарамды және оңтайлы шешімдерге жақын нәтижелерді генерациялау кезінде LLM сенімділігін арттыру мақсатында булевтік қанағаттандырылу (SAT), жиындарды жабу (Set Cover) және коммивояжер есебі (Traveling Salesperson Problem) сияқты комбинаторлық есептер мысалдарын табиғи тілге кодтау қарастырылады. Декларативті ықшам шаблондардан бастап контекстік ақпаратқа бай баяндау сипаттамаларына дейінгі әртүрлі кодтау жүйелері ұсынылады. Ұсынылған өңдеу тізбегі идентификаторларды стандарттайды, өлшем бірліктері мен сандық шкалаларды қалыпқа келтіреді, сондай-ақ шектеулерді нақты лексикалық көрсеткіштер арқылы сипаттайды. Галлюцинацияларды және шектеулердің бұзылуын азайту мақсатында верификаторды циклге қосу (verifier-in-the-loop) архитектурасы қолданылады. LLM нәтижелері ықтимал тағайындауларға немесе маршруттарға түрлендіріліп, сыртқы шешушілер арқылы тексеріледі және құрылымдалған кері байланысқа негізделген сұраулар көмегімен итеративті түрде түзетіледі. Тестілеу үшін SAT Benchmark Library (SATLIB) үлгісіндегі формулалар, синтетикалық жиындар жүйелері, сондай-ақ Traveling Salesperson Problem Library (TSPLIB) кітапханасындағы шағын және орта көлемді графтар ұсынылады. Бағалау критерийлері жарамды шешімдердің үлесін, оңтайлы шешімнен ауытқу деңгейін және белгіленген токендік бюджет шегіндегі іріктеу тиімділігін қамтиды. Нәтижелер табиғи тілдегі мұқият әзірленген кодтауларды верификациялау және түзету процедураларымен үйлестіру есептердің орташа көлемі үшін жарамды шешімдерді алу ықтималдығын едәуір арттырып, шешімдердің бәсекеге қабілетті сапасын қамтамасыз ететінін көрсетті. Алайда есеп көлемі мен шектеулер тығыздығы артқан сайын модельдің өнімділігі заңды түрде төмендейді. Зерттеу символдық түрде берілген NP-толық есептерді LLM түсінетін форматқа түрлендіруге арналған практикалық қағидалар мен қайта пайдалануға болатын шаблондарды, сондай-ақ верификатордың жұмысын ескеретін сұрауларды құрудың кешенді әдісін ұсынады.
##plugins.generic.usageStats.downloads##
Жүктеулер
Жарияланды
Дәйексөзді қалай келтіруге болады
Журналдың саны
Бөлім
Лицензия
Авторлық құқық (c) 2026 ХАЛЫҚАPАЛЫҚ АҚПАРАТТЫҚ ЖӘНЕ КОММУНИКАЦИЯЛЫҚ ТЕХНОЛОГИЯЛАР ЖУРНАЛЫ
Бұл жұмыс Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 Дүние жүзінде.
https://creativecommons.org/licenses/by-nc-nd/3.0/deed.en