运筹学领域国际顶级期刊《运筹学（Operations Research）》日前首次发表运筹学大模型工作。这一AI研究成果以开源生态模式打破技术垄断，为全球工业优化决策提供了“中国方案”。

据悉，《运筹学OR》发表的这一联合研究成果，来自上海交通大学安泰经济与管理学院特聘教授、智能计算研究院院长葛冬冬团队，与上海财经大学、香港中文大学（深圳）、杉数科技等单位，作为基于开源大语言模型的自动化优化建模框架，被命名为：ORLM，意为运筹大模型。

优化建模与求解，是运筹学在实际应用中的核心环节。传统运筹优化高度依赖人类专家经验，存在成本高昂、效率低下和泛化能力差等问题。而现有基于GPT-4等闭源模型的解决方案，虽能压缩时间，却面临企业核心数据外流等风险。

这项中国新研究首次提出了一种创新的、可定制化的开源大语言模型训练框架，专为优化建模任务设计。该框架支持对开源大模型进行领域定制训练，显著提升了模型在自动化建模与求解方面的能力。

在制造、物流、电商与零售等多个行业的生产计划，及库存管理、订单处理等场景测试中，ORLM辅助工程师平均缩短2小时以上决策时间，准确率提高10%-25%，有效提升了实际工业场景中人机协作的效率。尤为重要的是，该系统通过本地化部署解决了企业数据隐私泄露风险的定制难题。

解放日报·上观新闻记者了解到，这一研究构建了从数据生产、模型训练到场景落地的完整技术闭环，其创新价值在工业级实践中得到验证。团队构建了首个工业级优化建模基准数据集：IndustryOR，涵盖13个行业与5类典型问题（包括线性、整数、混合整数、非线性及其他），并设有多级难度划分。相比国际已有数据集，IndustryOR在多样性与现实性方面具有显著优势，为未来优化建模模型的评估提供了更全面、更严格且贴近实际的测试环境。

据悉，该研究提供了有效的开源模型训练路径，共合成约32481条高质量训练样本。实验结果表明，开源模型系列“ORLMs”在多个公开基准数据集上的表现均显著优于如GPT-4等的主流闭源模型及其他开源大模型，达到了当前该领域的最先进水平和能级。

专家认为，作为首个开源的运筹学大语言模型，ORLM的诞生标志着运筹学从依赖专家经验的传统建模范式，迈向自动化与智能化的新阶段。通过对开源大语言模型（LLMs）进行定向训练，ORLM使运筹优化技术更易于在工业界和学术界广泛部署与应用。这一自动化建模能力不仅显著提升了建模效率，还有效降低了技术门槛，使更多企业能够借助运筹学手段优化决策流程，实现降本增效的目标。

未来，随着模型性能的持续优化、强化学习等技术的引进与基准数据集的进一步扩展，ORLM有望在供应链优化、能源管理、医疗资源配置等多个关键领域取得实质性突破。同时，ORLM所构建的开源生态也为学术研究提供了宝贵的平台资源，推动运筹学与人工智能的深度融合，开辟智能优化领域的新路径。

值得关注的是，葛冬冬教授2025年第一季度已在《运筹学OR》、《国际控制杂志IJOC》，优化算法顶级期刊MOR、MP上连续发表（包括被正式接收）5篇大模型和优化算法论文，彰显中国学者在该研究领域的学术引领力。

目前，研究团队已开源了首个面向优化建模的大语言模型ORLM，为该领域构建起一个具有广泛适应性的模型生态基础，推动了优化建模技术的普惠化，为学术界与产业界提供了重要的参考范式与实验平台。