知识卡片：用于多仓库库存分配中运筹学公式选择的大语言模型

一句话结论

本研究提出一种由求解器引导的大语言模型（LLM）框架，用于为多仓库库存分配中的每个实例选择最优的混合整数规划（MIP）公式。在京东的真实数据集上，该方法将Top-1命中率从21.45%提升至50.42%，并将分配精度与事后最优解的差距缩小至4.85个百分点，显著优于固定公式和偏好训练的选择器。

事件概述或研究问题

多仓库库存分配问题通常被建模为混合整数规划（MIP），但不存在一个通用的MIP公式能适用于所有决策实例。需求集中度、库存不平衡、补货规模、服务约束和预测波动等因素导致实例层面的异质性问题，使得任何单一公式都无法在所有场景下持续取得最优性能。本文将这一问题形式化为实例级运筹学（OR）公式选择任务：为每个分配实例从候选专家库中分配一个求解器可执行的公式。

方法/产品要点

• 框架结构：提出一个由求解器引导的LLM框架用于OR公式选择。每个“OR专家”对应一个MIP公式，编码不同的分配优先级。
• 训练流程（三阶段）：
  1. 监督微调（SFT）：构建平衡的专家条件化SFT记录，用于模式学习。
  2. 身份偏好优化（IPO）：利用MIP求解器对历史实例的评估，将求解器评估的分配质量差距转化为边际加权的IPO偏好。
  3. 群体相对策略优化（GRPO）：根据每个实例的专家得分元数据，为采样响应分配奖励，从而优化选择器。
• 核心创新：首次将LLM用于OR公式的实例级选择，并通过求解器反馈（Solver Feedback）驱动偏好学习和强化学习。

主要结果或产业意义

• 性能提升：在京东的多仓库库存分配实例上，GRPO将Top-1命中率（Hit Ratio@1）从21.45%提高到50.42%，Top-2命中率从70.47%提高到82.31%。
• 分配精度：相对于现有基线，分配精度增益达12.57个百分点。
• 与最优解差距：与事后最优OR专家相比，差距仅为4.85个百分点，即选择器几乎达到了接近最优的公式选择水平。
• 产业意义：对京东等大型电商的库存分配决策具有直接价值，表明将LLM与运筹学求解器结合可在复杂供应链优化中取得显著收益。

为什么重要

多仓库库存分配是供应链管理的核心问题，传统做法依赖单一固定公式或人工经验选择公式。本研究证明，通过LLM动态选择公式，可以大幅提升分配质量。更重要的是，这一框架为“LLM作为运筹学建模选择器”开辟了新路径——LLM不必直接求解优化问题，而是识别适合当前实例的专家公式，从而在保持求解器可靠性的同时获得灵活性。

局限与不确定性

• 材料未明确提及：该方法对跨域迁移（如从京东到其他零售或制造业场景）的泛化能力待核实。
• 计算成本：GRPO训练涉及求解器评估和偏好生成，计算开销待核实。
• 问题边界：框架当前仅针对多仓库库存分配这一特定问题，对更一般的OR公式选择问题的适用性待核实。
• 与既有脉络的关系：本卡片聚焦于利用LLM进行运筹学公式选择，而非测试时模型选择或模型压缩，因此与已有相关卡片中的“重采样还是重路由”“BiSCo-LLM”等内容无直接重合。

可用于图书/PPT/简报的角度

• 供应链与AI的结合：以京东为例，说明大语言模型如何解决传统运筹学中的“公式选择困境”。
• 求解器引导的强化学习：作为“LLM + 传统算法”协同框架的典型案例，适合在AI与运筹学交叉领域分享。
• HR@1翻倍的故事：直观呈现从21%到50%的提升，便于非技术听众理解。

原始材料

• 英文标题：Large Language Model for Operations Research Formulation Selection in Multi-Warehouse Inventory Allocation
• 英文关键词：large language model, operations research, formula selection, inventory allocation, mixed-integer programming, GRPO
• 原始来源：arXiv: 2607.25956v1 (cs.AI, math.OC, 2026-07-28)
  • 作者：Jintao Xu, Yingzheng Ma, Jiong Dong, Yongzhi Qi, Jianshen Zhang
  • URL: https://arxiv.org/abs/2607.25956v1
• 补充说明：“OR专家”指预定义的MIP公式；实验基于京东的数据。