理应资讯
软件研发智能化

OR-License:用 31 个真实运筹合同任务评测编码智能体

理应编辑室 ·

新基准 OR-License 取自约 368 万美元合同中的 31 个真实运筹任务;帖文称 Claude Code 方案严格可行性约 88.39%。

研究者把来自约 368 万美元付费运筹(OR)合同中的 31 个真实任务交给 AI 智能体,形成 OR-License 基准:保留原始客户材料与交付格式,不用专家改写题面;模拟客户 ORSim 只回答业务问题、不给 OR 提示;11 个前沿模型跑在编码智能体框架中。

帖文结论:多个模型在“解可行”时目标值可超过人类专家,但整体仍不如专家,因为不可行交付记零分。最佳配置(Claude Code)严格可行性约 88.39%,相对专家的部署调整质量约 0.87(专家为 1.0)。作者强调难点不在求解器,而在把杂乱业务简述建模成正确问题。

分数来自帖文,未独立复现。

# 基准测试# 运筹优化# AI智能体# Claude Code