ترکیب الگوهای زبانی بزرگ (LLM) و حل‌گرهای صوری برای تصمیم‌های قابل‌اعتماد هوش مصنوعی

الگوهای زبانی بزرگ (LLM) در درک زبان طبیعی، تولید پاسخ‌های روان و ایجاد تجربه‌هایی کاملاً نو برای مشتریان و کارکنان، پیشرفت چشمگیری داشته‌اند. بااین‌حال، چون الگوهای زبانی بزرگ (LLM) ذاتاً تصادفی‌اند، استفاده از آن‌ها برای استدلال‌های پیچیده عددی یا منطقی تضمین چندانی درباره انطباق یا بهینه‌بودن خروجی‌ها نمی‌دهد. برای مثال:

• مدیری به یک دستیار برنامه‌ریزی هوش مصنوعی می‌گوید: “Ship as much as possible next week while keeping costs low,” و سامانه برنامه‌ای فشرده ارائه می‌کند که کارآمد به نظر می‌رسد، اما بی‌سروصدا از ظرفیت انبار فراتر می‌رود و تضمین‌های تحویل را نقض می‌کند.

• هماهنگ‌کننده‌ای به یک دستیار هوش مصنوعی می‌گوید: “Reassign crews to reduce overnight stays and minimize disruption,” و مدل برنامه‌ای کم‌هزینه‌تر تولید می‌کند که بهینه به نظر می‌رسد، اما محدودیت‌های الزامی ساعات کار یا استراحت را نقض می‌کند.

• یک دستیار هوش مصنوعی عملیات مالی باید تراکنش‌ها را طبق محدودیت‌های سخت‌گیرانه منطقه‌ای و ریسک تأیید کند، اما تراکنشی مشکوک را با ساختن توجیهی که با مقررات سازگار به نظر می‌رسد تأیید می‌کند، درحالی‌که سیاست داخلی را نقض کرده است.

در محیط‌هایی با الزامات عملیاتی سخت‌گیرانه، ترکیب الگوهای زبانی بزرگ (LLM) با حل‌گرهای صوری کمک می‌کند تصمیم‌های مبتنی بر زبان طبیعی در محدوده‌های تعیین‌شده بمانند و به نتایج ناشدنی، غیربهینه یا ناسازگار با مقررات منجر نشوند.

تیم تحقیق‌وتوسعه ما در حال بررسی رویکردی ترکیبی است که خلاقیت و انعطاف‌پذیری الگوهای زبانی بزرگ (LLM) را با دقت، تضمین‌پذیری و شفافیت حل‌گرهای صوری ریاضی مانند Z3، Pyomo و OR-Tools همراه می‌کند. همچنین در حال ساخت یک موتور صوری و قابل‌استفاده مجدد برای هوش مصنوعی هستیم تا این قابلیت به بخشی استاندارد از پشته فناوری سازمانی تبدیل شود. این پلتفرم به سازمان‌ها امکان می‌دهد قواعد کسب‌وکار را مستقیماً از سامانه‌های موجود دریافت کنند، تصمیم‌ها را پیوسته با آن قواعد بسنجند و عامل‌های هوش مصنوعی را با ایمنی در محدوده‌هایی روشن به کار گیرند.

چشم‌انداز ما کاهش ریسک عملیاتی و هم‌زمان تسریع تصمیم‌گیری در مقیاس گسترده است. مدیران از ورودی‌های زبان طبیعی به تصمیم‌هایی سریع‌تر و منطبق با سیاست‌ها می‌رسند و سازمان‌ها می‌توانند تغییرات موردی در زمان‌بندی، تخصیص منابع زنجیره تأمین، عملیات مالی، اعتبارسنجی سیاست‌ها و حتی طراحی ویدئو یا سه‌بعدی را خودکار کنند. سازوکارهای حفاظتی داخلی مانع ورود نتایج ناشدنی، ناسازگار با مقررات یا ناایمن به محیط عملیاتی می‌شوند.

در آزمایش‌های کنترل‌شده روی مسائل بهینه‌سازی مشابه لجستیک و سه معیار مرجع عمومی، رویکرد ترکیبی ما همواره این مزایا را نشان داد:

• دقت بیشتر

• تفسیرپذیری و ممیزی‌پذیری بیشتر

رویکرد ما الگوی رایج «الگوهای زبانی بزرگ (LLM) همه کارها را انجام می‌دهند» را وارونه می‌کند و از این طراحی پیروی می‌کند:

این رویکرد مسئولیت‌ها را به‌روشنی تفکیک می‌کند: الگوهای زبانی بزرگ (LLM) قواعد و محدودیت‌ها را از زبان طبیعی استخراج می‌کنند و حل‌گرهای قطعی مانند OR-Tools، Z3 و Pyomo بهینه‌سازی و اعتبارسنجی را انجام می‌دهند. نتیجه، نقاط قوت هر دو رویکرد را در هم می‌آمیزد:

کار را با چالشی آغاز کردیم که برخی مشتریان ما با آن روبه‌رو هستند:

تبدیل درخواست‌های زبان طبیعی به تصمیم‌های بهینه و آنی درباره منابع، همراه با اعمال سخت‌گیرانه محدودیت‌های عملیاتی، سیاستی و هزینه‌ای.

این چالش در قلب لجستیک و زنجیره‌های تأمین مدرن قرار دارد و زمان‌بندی نیروی کار، تخصیص دارایی‌ها، مسیریابی، برنامه‌ریزی تأمین سفارش و مدیریت ظرفیت را در بر می‌گیرد. در همین حوزه است که الگوهای زبانی بزرگ (LLM) و حل‌گرهای صوری باید برای ایجاد سامانه‌های قابل‌اعتماد با یکدیگر کار کنند. برای ارزیابی، سناریوهای آزمایشی کنترل‌شده، منابع داده و محدودیت‌ها را همراه با ۲۴۰ پرس‌وجوی مصنوعی ساختیم. از جمله:

• Please revise the existing schedule following a cancellation. The target facility must be fully supplied by 24 December 2025. When possible, source inventory from a nearby warehouse and route it through a specific consolidation point. The earliest allowable start date is 14 December 2025.

• Last-minute request: a VIP will arrive at location A in three hours. We need the required staff on site within two hours. Please adjust staff allocations while minimizing changes to the existing schedule.

از این پرس‌وجوها مشخص است که سامانه باید محدودیت‌های سخت و نرم را مستقیماً از درخواست‌های زبان طبیعی با اطمینان استخراج و اعمال کند:

• محدودیت‌های سخت قابل‌چشم‌پوشی نیستند؛ مانند زودترین تاریخ شروع، مفاد قرارداد و سقف ظرفیت. نقض حتی یکی از آن‌ها راه‌حل را نامعتبر می‌کند.

• محدودیت‌های نرم ترجیحات را بیان می‌کنند؛ مانند به‌حداقل‌رساندن تأخیر، کاهش هزینه‌ها و محدودکردن تغییرات. هدف، بهینه‌سازی بدون عبور از مرزهای سخت است.

برخی جنبه‌های این مسائل بهینه‌سازی را نمی‌توان از پیش به‌طور کامل تعریف کرد. آن‌ها باید با اتکا به محدودیت‌ها و اهداف ازپیش‌تعریف‌شده در منطق ساخت‌یافته کسب‌وکار، اسناد داخلی و داده‌های عملیاتی و نیز درخواست کاربر، به‌صورت پویا ساخته شوند.

برای بررسی عملکرد روش‌های مختلف در این شرایط، سه رویکرد را پیاده‌سازی و مقایسه کردیم.

1. الگوی زبانی بزرگ (LLM) خالص: در ساده‌ترین رویکرد، همه داده‌های مرتبط و درخواست زبان طبیعی کاربر به یک اعلان واحد برای الگوی زبانی بزرگ (LLM) داده می‌شود تا برنامه یا تخصیصی بهینه تولید کند. این روش ممکن است برای مسائل کوچک یا دارای محدودیت‌های اندک کار کند، اما با افزایش پیچیدگی از کار می‌افتد. مدل ممکن است محدودیت‌ها را نادیده بگیرد، هدف نادرستی را در اولویت قرار دهد یا برنامه‌هایی تولید کند که منطقی به نظر می‌رسند اما ناشدنی‌اند؛ بی‌آنکه راهی مطمئن برای تشخیص یا پیشگیری از خطا وجود داشته باشد.

2. LLM + مفسر کد: در این رویکرد، الگوی زبانی بزرگ (LLM) درخواست را تفسیر می‌کند و با استفاده از ابزارها به منابع داده دسترسی می‌یابد و کد بهینه‌سازی اجراشدنی تولید می‌کند. این کار انعطاف‌پذیری و مشاهده‌پذیری را افزایش می‌دهد، اما قابلیت اطمینان همچنان مسئله‌ساز است. الگوی زبانی بزرگ (LLM) همچنان باید محدودیت‌ها را به کد صحیح تبدیل کند و خطاهای کوچک در استدلال یا کدنویسی، به‌ویژه با افزایش تعداد محدودیت‌ها، می‌توانند نتایجی نامعتبر یا غیربهینه ایجاد کنند.

3. ترکیبی: LLM ← محدودیت‌های ساخت‌یافته ← حل‌گر قطعی: رویکرد سوم مسئولیت‌ها را تفکیک می‌کند. الگوی زبانی بزرگ (LLM) هرگز درباره نتیجه «تصمیم» نمی‌گیرد؛ بلکه به صورت‌بندی متغیرها، محدودیت‌ها و اهداف کمک می‌کند. یک حل‌گر بهینه‌سازی اثبات‌شده محدودیت‌ها را اعمال می‌کند، امکان‌پذیری را تضمین می‌کند و نتایجی قابل‌اعتبارسنجی و ممیزی ارائه می‌دهد. نقش الگوی زبانی بزرگ (LLM) به ترجمه درخواست‌های زبان طبیعی به محدودیت‌های صریح و ساخت‌یافته با استفاده از طرح‌واره‌های ازپیش‌تعریف‌شده محدود است. این محدودیت‌ها به‌طور خودکار به کد حل‌گری مانند OR-Tools کامپایل می‌شوند تا راه‌حلی شدنی و بهینه را به‌شکلی قطعی محاسبه کند.

روش‌ها را با چند الگوی زبانی بزرگ (LLM)، از جمله GPT-5، GPT-5.1 و GPT-5.2 آزمایش کردیم. همان‌طور که انتظار می‌رفت، رویکرد ترکیبی از گزینه‌های دیگر عملکرد بهتری داشت:

روش ترکیبی ما افزایش چشمگیر دقت، بیش از ۴ برابر بهره‌وری توکنی و کاهش ده‌برابری تأخیر را نشان می‌دهد.

گام بعدی ما ساخت رابطی تعمیم‌پذیر و قابل‌استفاده مجدد است که زبان طبیعی را به بازنمایی‌های معنایی ساخت‌یافته تبدیل کند تا بک‌اند ما آن‌ها را به کد آماده برای حل‌گر برگرداند. در این آزمایش بر مسائل بهینه‌سازی خطی تمرکز کردیم و رویکرد را با سه مجموعه‌داده عمومی (NLP4LP، NL4OPT و IndustryOR) سنجیدیم.

1. الگوی زبانی بزرگ (LLM) مستقل

2. روش ترکیبی (LLM ← قواعد ساخت‌یافته ← حل‌گر ← خروجی اعتبارسنجی‌شده)

• استفاده از یک الگوی زبانی بزرگ (LLM) برای استخراج متغیرها، محدودیت‌ها و اهداف از ورودی و صورت‌بندی مسئله‌ای ساخت‌یافته برای بهینه‌سازی.

• ارسال مسئله ساخت‌یافته و درخواست اصلی به یک الگوی زبانی بزرگ (LLM) برای خوداعتبارسنجی.

• ترجمه مسئله ساخت‌یافته به کد OR-Tools برای محاسبه تخصیص بهینه.

این رویکرد را با مدل‌های اختصاصی پیشرو، از جمله GPT-5.1، GPT-5 mini، GPT-5.1-Codex-Max و GPT-5.2 و نیز مدل‌های متن‌باز مانند Kimi K2، مدل‌های GPT-OSS و MiniMax M2 ارزیابی کردیم. نمودارهای جعبه‌ای نتایج هر روش را خلاصه می‌کنند.

رویکرد ترکیبی تقریباً در همه مدل‌های زبانی زیربنایی ارزیابی‌شده، به‌طور پیوسته نتایجی دقیق‌تر، باثبات‌تر و اعتبارسنجی‌پذیرتر از خط مبنای الگوی زبانی بزرگ (LLM) مستقل تولید می‌کند. اگرچه عملکرد مطلق میان مدل‌ها متفاوت است، مزیت نسبی رویکرد ترکیبی ثابت می‌ماند. این امر نشان می‌دهد بهبودها حاصل تفکیک درک زبان طبیعی از بهینه‌سازی صوری‌اند، نه اتکا به توانایی استدلال یک مدل خاص.

دقت

در NLP4LP و NL4OPT که عمدتاً شامل مسائل برنامه‌ریزی خطی‌اند، روش ترکیبی به دقتی نزدیک به سقف می‌رسد و از اعلان‌دهی به الگوی زبانی بزرگ (LLM) مستقل بهتر عمل می‌کند. سامانه ترکیبی به‌جای تولید استدلالی «تقریباً درست»، با ثبات بیشتری صورت‌بندی‌های ریاضی معتبر و خوش‌ساخت ایجاد می‌کند. در مجموعه‌داده دشوارتر IndustryOR، دقت هر دو روش کاهش می‌یابد، اما به دلایل متفاوت. بسیاری از مسائل IndustryOR ساختارهای ترکیبیاتی مانند مسیریابی وسایل نقلیه، ترتیب‌دهی وظایف و تخصیص نیروی کار دارند که فراتر از قابلیت‌های بهینه‌سازی خطی فعلی بک‌اند حل‌گر ما هستند.

تحلیل حالت‌های شکست نشان می‌دهد الگوهای زبانی بزرگ (LLM) مستقل اغلب محدودیت‌های الزامی را نقض می‌کنند، همان‌طور که در ادامه آمده است:

مثال ۱:

1"A bodybuilder buys prepared meals: a turkey dinner and a tuna salad sandwich. The turkey dinner contains 20 grams of protein, 30 grams of carbohydrates, and 12 grams of fat. The tuna salad sandwich contains 18 grams of protein, 25 grams of carbohydrates, and 8 grams of fat. The bodybuilder needs at least 150 grams of protein and 200 grams of carbohydrates. Because turkey dinners are expensive, no more than 40% of the meals should be turkey dinners. How many of each meal should the bodybuilder eat to minimize total fat intake?"

الگوی زبانی بزرگ (LLM) مستقل راه‌حلی با چربی کل کمتر تولید می‌کند، اما الزام حداکثر ۴۰درصدی سهم وعده‌های بوقلمون از کل وعده‌ها را نقض می‌کند. رویکرد ترکیبی این محدودیت سخت را به‌درستی اعمال می‌کند و پاسخی معتبر ارائه می‌دهد.

مثال ۲:

1"A hospitalized patient can take two pills: Pill 1 and Pill 2. Each Pill 1 provides 0.2 units of pain medication and 0.3 units of anxiety medication. Each Pill 2 provides 0.6 units of pain medication and 0.2 units of anxiety medication. Pill 1 causes 0.3 units of discharge, while Pill 2 causes 0.1 units. At most 6 units of pain medication may be provided, and at least 3 units of anxiety medication must be provided. How many of each pill should the patient receive to minimize total discharge?"

الگوی زبانی بزرگ (LLM) مستقل بار دیگر راه‌حلی با میزان ترخیص کمتر تولید می‌کند، اما از سقف مجاز داروی مسکن فراتر می‌رود. رویکرد ترکیبی آن محدودیت سخت را به‌درستی اعمال می‌کند و پاسخی معتبر ارائه می‌دهد.

تأخیر و مصرف توکن

داده‌های تأخیر و مصرف توکن، تفاوت مهمی را آشکار می‌کنند. رویکرد ترکیبی در مقایسه با یک اعلان تک‌مرحله‌ای برای الگوهای زبانی بزرگ (LLM)، میانگین تأخیر و مصرف توکن بیشتری دارد؛ اما این امر ناشی از انتخاب‌های معماری است، نه ناکارآمدی.

خط لوله ترکیبی شامل این موارد است:

1. یک یا چند فراخوانی الگوهای زبانی بزرگ (LLM) برای استخراج متغیرها، محدودیت‌ها و اهداف ساخت‌یافته.

2. یک مرحله خوداعتبارسنجی برای یافتن ناسازگاری‌های داخلی.

هرچند این مراحل نسبت به یک اعلان واحد سربار بیشتری دارند، تأخیر همچنان محدود و پیش‌بینی‌پذیر است و پس از صورت‌بندی مناسب مسئله، اجرای حل‌گر معمولاً سریع خواهد بود. این کار اضافی، بازنمایی‌های میانی صریح، قابل‌استفاده مجدد و ممیزی‌پذیر ایجاد می‌کند. در مقابل، رویکردهای مستقل مبتنی بر الگوهای زبانی بزرگ (LLM)، استدلال را در یک خروجی مبهم فشرده می‌کنند و هزینه را به تلاش‌های مجدد، بررسی‌های دستی و خطاهای پایین‌دستی انتقال می‌دهند. در نسخه‌های آینده می‌توان این سربار را از راه‌های زیر کاهش داد:

• ذخیره‌سازی موقت طرح‌واره‌های استخراج‌شده.

• به‌روزرسانی تدریجی محدودیت‌ها.

• بهبود هماهنگ‌سازی اعلان‌ها و فراخوانی‌ها.

شفافیت و ممیزی‌پذیری

در نهایت، حتی در مواردی که هر دو روش شکست می‌خورند، ماهیت شکست آن‌ها اساساً متفاوت است.

• در یک الگوی زبانی بزرگ (LLM) مستقل، شکست‌ها اغلب پنهان‌اند: مدل ممکن است نتیجه‌ای ارائه کند که به‌طور نامحسوس نادرست است.

• در رویکرد ترکیبی، صورت‌بندی صریح مسئله شکست‌ها را آشکار می‌کند و به تیم‌ها کمک می‌کند بخش خطاساز صورت‌بندی را بیابند.

نسخه‌های آینده می‌توانند این صورت‌بندی‌ها را در یک رابط نمایش دهند تا کاربران پیش از اجرای حل‌گر آن‌ها را ممیزی یا اعتبارسنجی کنند. این شفافیت، دقت اندازه‌گیری‌شده را افزایش می‌دهد و اشکال‌زدایی و اصلاح سامانه را آسان‌تر می‌کند؛ امری که برای استقرار در دنیای واقعی ضروری است.

نکته کلیدی

نتایج در همه معیارهای مرجع و بیشتر مدل‌های زیربنایی آزمایش‌شده، نتیجه‌گیری محوری کار ما را تأیید می‌کنند:

الگوهای زبانی بزرگ (LLM) در درک و ترجمه مقصود توانمندند، اما برای تضمین صحت به حل‌گرهای قطعی نیاز است.

رویکرد ترکیبی، زبان طبیعی را از منشأ ابهام به رابطی قابل‌اعتماد برای تصمیم‌گیری صحیح از نظر ریاضی تبدیل می‌کند و هوش مصنوعی سازمانی را یک گام به سامانه‌هایی نزدیک‌تر می‌سازد که نه‌تنها هوشمند، بلکه قابل‌اعتمادند.

محدودیت‌های سازمانی به‌ندرت در طرح‌واره‌هایی منظم یا اعلان‌هایی بی‌نقص بیان می‌شوند. این محدودیت‌ها در پایگاه‌های داده، صفحه‌گسترده‌ها، سیاست‌های داخلی و قراردادها پراکنده‌اند. درخواست‌های کاربران ممکن است ناقص، مبهم یا ناسازگار با قواعد کسب‌وکار باشند. برای عملی‌کردن این رویکرد در مقیاس گسترده، در حال ساخت موتور بک‌اند قابل‌استفاده مجددی هستیم که این پیچیدگی را به قابلیتی سازمانی و قابل‌اعتماد تبدیل کند.

این موتور در هسته خود، ستون فقرات صوری سامانه‌های تصمیم‌گیری مبتنی بر هوش مصنوعی است و موارد زیر را فراهم می‌کند:

• یک پایگاه دانش نمادین با مبدل‌هایی برای دریافت قواعد کسب‌وکار، محدودیت‌ها، متغیرها و اهداف.

• یک لایه ترجمه که طرح‌واره‌ها را به کد حل‌گر کامپایل می‌کند.

• رابط‌هایی که به تیم‌ها امکان بررسی، ممیزی و اصلاح محدودیت‌ها را می‌دهند.

هرچند تمرکز کنونی این آزمایش‌ها بر بهینه‌سازی است، همین روش را می‌توان به اعتبارسنجی منطقی نیز گسترش داد. کاربردهای بالقوه تجاری عبارت‌اند از:

• انجام زمان‌بندی، مسیریابی و تخصیص پویای منابع به‌صورت موردی، همراه با اعمال همه محدودیت‌های عملیاتی.

• تولید پاسخ‌ها و توصیه‌هایی که همواره قواعد کسب‌وکار را رعایت می‌کنند.

• طراحی و اعتبارسنجی اشیای سه‌بعدی، ویدئوها و معماری‌های پیچیده و شناسایی طرح‌های ناشدنی پیش از تولید.

هوش مصنوعی امروز قدرتمند است، اما سازمان‌ها به چیزی فراتر از قدرت نیاز دارند: صحت، ثبات و کنترل. سامانه ترکیبی الگوهای زبانی بزرگ (LLM) و حل‌گر ما، گامی به‌سوی جهانی است که در آن:

• عامل‌ها قواعد یا محدودیت‌ها را جعل نمی‌کنند.

• استنتاج منطقی و بهینه‌سازی از نظر ریاضی صحیح‌اند.

• زبان طبیعی به رابطی همگانی برای سامانه‌های قطعی تبدیل می‌شود.