Progressive Context Enrichment for LLM-Based MILP Formulation in Open-Pit Mine Production Scheduling

想象一下，你是这座由岩石构成的巨大漂浮城市的一名船长，你的职责是精确决定要挖掘哪些块状岩石、何时挖掘以及如何处理它们，从而在未来二十年内实现利润最大化。这不仅仅是一个简单的“挖这里、挖那里”的游戏；这是一个被称为“露天矿开采生产调度”（Open-Pit Mine Production Scheduling）的高风险谜题。难点在于，规则极其严格。你不能挖掘某块岩石，直到压在它上面的岩石都被移走（就像玩叠叠乐一样）；你不能处理超过工厂吞吐能力的岩石；而且你送往工厂的岩石混合比例必须达到精准的质量要求。完美解决这个谜题需要一种被称为“混合整数线性规划”（MILP）的超级智能数学工具，这本质上是一种用计算机可以求解的语言来记录每一条规则和目标的方法。但问题在于，编写这些数学规则非常困难，世界上只有少数专家能做到，而且当矿山发生变化或规则变得复杂时，他们往往会陷入困境。

于是，新玩家登场了：大语言模型（LLMs）。这些是你可能熟悉的 AI 聊天机器人，比如那些能写文章或编写代码的 AI。它们非常擅长理解语言甚至编写计算机程序。科学家们提出了一个核心问题：我们能否直接告诉 AI，“这是一个矿山，这是规则，请编写数学代码来解决它”，并让它承担起人类专家的工作？这听起来像是一个梦想，但 AI 在面对复杂情况时容易产生混乱。它可能会写出看起来正确并给出一个数字的代码，但实际上它在暗中忽略了规则。这篇论文深入探讨了我们是否可以通过提供更好的提示（hints）来教导这些 AI 成为更好的矿山规划师，并发现问题的关键在于你提问的方式，而非 AI 本身。

AI 矿山规划师的训练营

湖区大学（Lakehead University）和纽芬兰纪念大学（Memorial University of Newfoundland）的研究人员设计了一个巧妙的实验，旨在观察他们是否可以在不教授任何新数学知识的情况下，将通用的 AI 转变为矿山调度专家。他们并不想从头开始重新训练 AI，而是想看看是否可以通过“丰富上下文”（enrich the context）——基本上就是通过在 AI 尝试编写解决方案之前，给它提供更好的学习资料。

他们为四种不同的 AI 模型（ChatGPT、Gemini、DeepSeek 和 Copilot）创建了一个包含四个步骤的训练营。这就像是在教一个学生写一篇复杂的论文：

1. 基础提示词（The Basic Prompt）： 他们从最基本的开始：一段关于矿山的简单文本描述和规则。这就像是给一个学生一个类似“写关于采矿的内容”的提示，却期望他能写出一篇论文。
2. 模拟日志（The Simulation Log）： 接下来，他们添加了一个来自一个“贪婪机器人”的“日记”。这个机器人之前尝试运行过矿山。这份日志展示了每个周期发生了什么：哪些岩石被选中了，哪些被跳过了，以及什么时候工厂满了。这就像是向学生展示一个实际尝试解决问题的人的日记，以便 AI 能够观察到规则的“行为”。
3. 模拟器代码（The Simulator Code）： 然后，他们把那个贪婪机器人的实际源代码交给了 AI。这不仅仅是一份日记，它是机器人用来做出决策的指令手册。它展示了逻辑：“如果工厂满了，就停止。”“如果上方的块还没被移除，就等待。”
4. 带注释的代码（The Annotated Code）： 最后，他们对源代码进行了“贴标签”处理（添加了注释）。他们用数学术语标注了代码的每一行，例如“这一行是采矿容量规则”或“这是前置规则”。这是终极的“小抄”，将机器人的逻辑直接翻译成了数学语言。

“沉默失败”陷型的陷阱

这项研究中最令人惊讶的发现不仅在于 AI 表现得如何，更在于它们隐藏错误的能力有多强。研究人员发现，如果你只是要求 AI 编写代码并运行它，许多模型会产生一个看起来完美的解决方案。它会给出一个利润数字（称为净现值，即 NPV），并说：“成功！矿山调度已完成！”

但当研究人员仔细检查时，他们发现了“沉默失败”（silent failures）。这些方案在技术上是“可行”的（计算机没有崩溃），但实际上是破碎的。AI 忘记了执行一条或多条最重要的规则，比如“不能在上方岩石移除前挖掘下方岩石”的规则。AI 找到了漏洞，或者干脆忽略了规则，而计算机则开心地计算出了一个在物理上无法存在的矿山利润。这就像一个学生写了一篇看起来很棒但完全跑题的论文；老师乍看之下可能会给及格，但内容其实是荒谬的。

论文明确排除了“可行结果意味着 AI 做对了”这种想法。事实上，对于四种 AI 模型中的三种，增加更多信息（如日志和代码）反而增加了这些“沉默失败”的数量。AI 变得更加自信了，但它们是“自信地犯错”。只有一种模型——Gemini——无论给予多少信息，都能完全避免这些沉默失败。

“小抄”的魔力

一旦研究人员过滤掉这些沉默失败，仅观察那些真正有效的解决方案时，结果变得非常清晰。

• 仅靠文本是不够的： 当 AI 只有基础的文本描述时，它几乎从未做对过。
• 日志有一定帮助： 看到机器人的日记（模拟日志）有助于 AI 理解时间和资源的流动，从而略微改善了结果。
• 代码是游戏规则的改变者： 当 AI 被给予模拟器的实际源代码时，解决方案的质量大幅提升。代码充当了桥梁，向 AI 展示了规则在实践中是如何运作的。这是获得准确利润数字的最关键要素。
• 注释使之精准： 最后一步，即在代码中添加“便利贴”（注释），并不总是能提高利润数字，但它让解决方案的“结构”变得更加准确。它帮助 AI 理解代码的哪一部分对应于哪条数学规则。这对于处理最棘手的规则（如挖掘顺序/前置规则以及混合岩石品级的规则）特别有效。

谁赢得了比赛？

在测试的四种 AI 模型中，Gemini 是明显的佼佼者。它是唯一一个不会产生沉默失败的模型，这意味着每次它声称拥有解决方案时，它确实拥有一个有效的解。在获得带注释的代码后，Gemini 的解决方案与完美的人类基准非常接近，其“惩罚相对误差”（一种同时计算错误和偏差的分数）从 100%（完全失败）降至仅 21.6%。

其他模型（如 ChatGPT 和 Copilot）则表现得更为挣扎。它们经常产生看起来不错但结构上有缺陷的方案。有趣的是，给它们提供带注释的代码并不总是有帮助；对于某些模型来说，额外的注释反而会让它们感到困惑，或者导致产生新型的错误。这表明不同的 AI “思考”方式不同，对一个模型有益的提示，对另一个模型来说可能只是噪音。

总结

论文的结论是，使用 AI 处理像矿山调度这样复杂的数学问题，主要问题不在于 AI 不够聪明，而在于我们没有给它足够的上下文。简单的文本描述太模糊了。然而，仅仅向它投喂更多的文本也不是解决办法。关键在于提供可执行逻辑——即模拟规则的实际代码——然后对代码进行标注，以便 AI 知道每一部分代表什么。

这种方法表明，我们不需要训练一个新的、极其昂贵的 AI 模型来担任矿山规划师。相反，我们可以利用通用的 AI，并为其提供模拟日志和注释代码构成的“脚手架”，以帮助它将人类的操作规则转化为完美的数学模型。这有点像一个学生在做物理题时可能会在文字描述中感到困惑，但如果给他实验室的笔记和实验中使用的公式，他突然就能解出题目。

这项研究也警告我们要保持警惕。仅仅因为 AI 说它有一个解决方案，并不意味着它是正确的。我们必须检查细节，检查那些“沉默失败”，以确保 AI 没有仅仅是通过寻找一个破坏规则的捷径来蒙混过关。但是，通过正确的上下文增强方式（特别是使用模拟器代码和注释），我们可以让 AI 承担起矿山规划的重任，而无需为每一项工作都配备一名数学博士。