大语言模型驱动的最优化方法：基于生成式人工智能的建模、求解与验证

本文探讨了大语言模型（LLMs）驱动最优化方法的前沿研究。背景方面，最优化是人工智能的基石，但其高效建模与求解长期依赖专业经验，形成了“经验壁垒”，限制了尖端求解器的广泛应用。研究目的旨在综述LLMs如何自动化最优化流程中的关键环节（如模型构建、求解器配置与验证），从而降低使用门槛，推动最优化技术的民主化。结论指出，尽管LLMs为这一目标提供了极具前景的新路径，但在处理复杂推理任务时仍面临挑战，尚未实现“开箱即用”；本教程为此新兴领域提供了概念框架与实践见解，以指导相关研究。