LLM 能帮多少忙解混合整数规划？

审稿形式说明：本"论文"目前是研究项目网站，技术报告 forthcoming，尚未提交任何会议。我按 NeurIPS 级别预审这份"准预印本"。

Summary：提出把未解 MIP 实例当作可验证开放问题，用 LLM+求解器+独立 checker 三角色工作流在 132 个 MIPLIB open 实例上取得 34 关闭、29 解被官方收录，并附实例级可复现 bundle。

Strengths：(1) 诚实的功劳归属与"acceptance outside both"原则，明确 LLM 不独立验证；(2) 实例级 SHA-256 bundle 与六类验证方法分类，可独立核验；(3) 29 解被 MIPLIB Best Known Solution 收录，是外部接受的硬进展；(4) 主动披露所有主要局限（回顾性、post-hoc、frozen runs、tolerance-indexed、external construction）。

Weaknesses：(1) 尚无正式论文，工作流（模型、prompt 结构、驱动方式）未以可复现脚本完整公开；(2) 对照非 RCT：对偶界改进基线为冻结历史 COPT 表（fresh_solver_runs=false），事后最优界组合对求解器基线偏强；(3) 6/11 primal 胜为容差索引，严格改进仅 4 例；(4) 20 实例混合结果说明 skill 在 dual 数值界方向弱于对照，可推广性证据不足。

Recommendation：作为研究网站/项目工件属 promising preliminary artifact；但作为会议论文尚不可接受——缺正式论文文本与受控实验。Major revision 路径：补全技术报告、跑一组冻结 MPS 哈希+等资源预算+独立种子的受控 solver-replacement 实验，并把工作流以可复现脚本公开。在接受前，"工作流有效性"仍部分依赖对作者的信任。

诚实声明：这份"论文"是研究网站，没有正式的 references/bibliography 章节，因此无法按字面"找出当前论文内引用的一篇 older paper"。我据外部 grounding 重建它的学术脉络，并明确标注哪些是网站未正式引用、由我补的上下文。

更早、且实质影响本工作的脉络（考古挖掘）：(1) MIPLIB 基准库本身（miplib.zib.de）——本工作的全部实例与"open/关闭"语义都建立其上；(2) FunSearch（DeepMind, Nature 2024）——"LLM 提候选 + 外部评估器筛选 + 进化"的范式，本工作把它从"进化程序"转到"攻开放优化实例"；(3) AlphaProof/AlphaGeometry——"LLM + 形式化证明验证"做可验证数学发现，本工作的 checker 角色与之同源；(4) Gasse et al. 2019（learning to branch，GNN+MIP）——ML-for-MIP 的前浪，本工作改用 LLM 做结构分析而非端到端策略。

更新的、引用本工作的论文：本工作发布于 2026-09，极为新近，目前不可能存在已发表的引用它的论文。我不编造任何"已引用本文的新论文"。我能诚实指出的"自然后继"是网站自己呼吁的——一个冻结 MPS 哈希、等资源预算、独立种子的受控 solver-replacement 研究；但这只是项目设想的下一步，不是一篇真实存在的 citing paper。待技术报告发表、时间推移后，真正的 citing work 才会出现。

提议项目：Archive-Guided Open-MIP Curriculum（暂名 FormalEvolve-MIP）。

核心想法：本工作最大的未被利用的副产品，是 132 个实例级可复现 bundle + SHA-256 + 验证证书。这些不只是结果档案，可以当成一个"已验证的结构化知识库"。follow-up 把它变成一个自驱动的课程：(1) 维护一个"证明/规约档案"，每个被 checker 接受的规约或证书作为可检索节点；(2) 遇到新 open 实例时，LLM 先在档案里做结构检索（"这个实例像不像已解的 X？"），把相似结构迁移过来提假设；(3) 验证通过的新结构回写档案，形成越用越富的"结构记忆"。

为什么"只有本工作成功才可能"：它依赖本工作三件事同时成立——开放实例的可验证性框架、独立 checker 的裁决机制、以及实例级可复现档案。缺任何一项，"档案回写"都会退化为不可信的 LLM 自述。这与 AlphaEvolve 的程序进化相邻，但把进化对象从"程序"换成"被验证的 MIP 结构规约"，且只在 checker 接受后才入档。边界：仍需强专用后端与独立验证，不外推到弱可验证领域。

产品 pitch：Optimization Research Copilot（ORC）。面向工业 OR 团队（供应链、能源调度、制造排产）的 SaaS。把本工作的 primal/dual skill 嵌入一个交互式研究环境：分析师把自家的硬 MIP 实例喂进去，系统用 LLM 做结构分析、提可证伪假设、调用求解器后端、再用独立 checker 验证，按证据等级报告"哪些界被改进、被什么方法、可信到什么程度"。

为什么值得付费：顶尖 OR 结构分析能力稀缺且昂贵；本工作证明 LLM 能在"结构发现"上提供增量，且 verification gate 保证输出不超出已验证范围。对中等规模 OR 团队，这等于给每个分析师配一个"会提假设但绝不拍板"的高级研究助理，压缩从"卡住的实例"到"可验证改进"的人力开销。

正向影响：把专家级结构分析能力平民化，加速工业优化→能效提升、碳排下降、资源更省。负向影响：(1) 若客户为压成本绕过 verification gate、直接报未验证的"LLM 改进"，会制造不可信的优化声明（必须把 gate 做成不可绕过的产品硬约束）；(2) 加速优化本身是中性能力——同样能被用于更激进地榨取资源密集型产业，需配合合规与可持续性约束。

最小 demo：在一个玩具 MIP 上跑"LLM 提结构假设 → 求解器算 → 独立 checker 验证"的闭环。不下载/运行本工作的私有 skill，只复刻它的三角色骨架。backbone 用开源求解器（如 PuLP + CBC 或 SCIP 的开源层），LLM 用任意 chat API。玩具实例选一个结构可被识别的小问题：子集和（subset-sum）或小型图着色，写成 MIP。

核心代码骨架（Python 伪码，分享给 class）：

import pulp, json, subprocess
# 1) Backend: 用开源 CBC 解 MIP，拿 primal P 与 LP 松弛 dual D
prob = pulp.LpProblem("toy", pulp.LpMinimize); ...  # 建模
prob.solve(pulp.PULP_CBC_CMD(msg=0))
P = pulp.value(prob.objective)
# 2) LLM: 把矩阵/约束喂给 chat 模型，要求它只输出"结构假设" JSON
hyp = llm(f"提出一个可证伪的结构假设: {prob.to_dict()}")
#    例: {"claim":"最优解是半整数,可舍入","falsifiable_by":"枚举到 N=20"}
# 3) Checker: 独立验证 LLM 的假设(绝不信 LLM 自评)
ok = independent_check(hyp, prob, P)  # 枚举/有理舍入/原模型审计
# 4) acceptance outside both: 只有 ok==True 才报告为结果
assert ok before report

关键：demo 的灵魂不在求解器，而在第 3 步 independent_check 必须与 LLM 物理隔离——这才是本工作"acceptance outside both"的精髓。demo 会清楚展示：没有 checker 时 LLM 会自信地给出可能错的"最优性声明"；有 checker 时这些声明会被挡下。这就是一节课能讲透的核心。

聚焦共一 Wenzhi Gao（外部 grounding，公开信息）。Stanford ICME 博士，导师 Madeleine Udell，与 Yinyu Ye 密切合作；此前在上海财经大学（SUFE）。已有公开工作包括OptiMUS——一个用于优化建模的 LLM agent。这条线索直接解释了本项目的动机：OptiMUS 解决"把问题写对"，本工作解决"把开放实例解得更远"，是同一条 LLM-for-optimization 研究线的自然推进。

团队网络（解释 COPT 为何作基线）：葛冬冬（Dongdong Ge）在 SJTU 安泰 + Cardinal Operations（杉数科技），是国产求解器 COPT（Cardinal Optimizer）的主导者之一；叶荫宇（Yinyu Ye, Stanford）亦是 COPT 用户指南的合作者。所以本工作用 COPT 作对偶界基线并非偶然，而是这个 Stanford–SJTU–杉数 轴线的自然产物。Madeleine Udell 现于 Stanford（原 Cornell ORIE），做凸优化与 ML+optimization。

未独立核验：共一 Yicheng Huang 的个人履历我未能从公开来源独立确认，按"标记不确定"原则不展开臆测。按技能约束我不联系作者。动机推断（仅基于公开研究脉络）：这个团队同时握有"LLM-for-optimization 前作（OptiMUS）"与"自研顶级求解器（COPT）"，几乎是全球最自然做"LLM 攻 MIP 开放实例"的组合——他们既有 LLM 这把锤子，又有求解器这块砧板，还有 checker 这把尺子。

项目自评的正面影响：网站 solver-replacement 页明确把 LLM 定位为"扩大假设空间、压缩人类研究开销"，并建议"用最好的计算后端做搜索与证明，把接受权放在两者之外"。即自评的正面是研究效率与方法论标尺，而非"取代人类"。

被遗漏的额外正面：(1) 平民化专家级 OR 结构分析，让资源有限的高校/小企业也能攻硬 MIP；(2) 可移植精确证书（18 例无需商业求解器即可重放）削弱了对昂贵闭源求解器的依赖，有利开放科学与教学；(3) 为"LLM-for-X"领域立了一个"必须独立验证"的范式，间接抑制浮夸。

被忽略或未充分讨论的负面：(1) 劳动替代——若工作流成熟，可能压缩初级 OR 分析师岗位，但网站未讨论再培训或过渡；(2) 优化的双重性——更高效的 MIP 既可降碳排，也可加速资源密集型产业（采矿、过度生产），项目只谈"研究开销"未谈下游应用伦理；(3) 对商业求解器生态的依赖与强化——基线与 backend 仍深绑 Gurobi/COPT，可能固化闭源工具壁垒；(4) 脱钩风险——若后续使用者绕过 verification gate 只取"LLM 改进了"的叙事，会制造不可信优化声明，反噬公众对优化研究的信任。这些都需要项目在技术报告里补一段 limitations & broader impact。