用LLM解释线性规划：从个人项目到微软研究

2020年，作者在谷歌供应链部门工作期间，开发了一个辅助理解线性规划（LP）的项目。LP模型复杂时，理解其结果对专家来说都具有挑战性。作者通过交互式修改模型并对比结果来解释模型行为，并认为添加语义元数据可以简化这一过程。最近，微软的研究人员发表了一篇论文，使用大型语言模型（LLM）将自然语言查询转换为结构化查询，从而实现了类似的功能。作者认为，LLM非常适合将人类的模糊疑问转化为结构化查询，再由传统的优化系统处理并生成结果，最后再由LLM总结成易于理解的语言。虽然作者的早期工作未发表，但他认为理解简单系统的解释对于解释更复杂的AI系统至关重要。