代码大模型 / AI 编程

NED-Tree: Bridging the Semantic Gap with Nonlinear Element Decomposition Tree for LLM Nonlinear Optimization Modeling

NED-Tree: 通过非线性元素分解树弥合语义鸿沟以实现LLM非线性优化建模

Zhijing Hu, Yufan Deng, Haoyang Liu, Changjun Fan

机构 * College of System Engineering, National University of Defense Technology（国防科技大学系统工程学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 代码评测 ：repository(abstract)；分类 cs.AI

AI总结 本文提出NED-Tree框架，通过句级提取策略和递归树结构解决LLM在非线性优化建模中的语义鸿沟问题，实验显示其在10个基准测试中达到72.51%的平均准确率。

Comments 17 pages, 7 figures, conference