论文提出AWMP：用LLM预测工件到达以优化动态调度
热点事件持续更新
论文提出AWMP：用LLM预测工件到达以优化动态调度
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Ni Zhang 等在 arXiv 论文中提出 Afterstate World-Model Planning（AWMP）方法，把预训练 LLM 作为结构化世界模型的外生组件，仅用于预测不确定的未来工件到达，并配合惊觉触发的刷新机制与在线残差自校准应对非平稳到达。 论文报告的基准结果显示：在多种到达分布下，相较八种经典优先调度规则中的最优者，AWMP 在动态作业车间基准上将加权延期降低 6-21%，在柔性作业车间基准上降低 22-46%。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 12:00
LLM 外生世界建模用于动态调度：AWMP 方法解析报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AILLM 外生世界建模用于动态调度：AWMP 方法解析
论文提出 Afterstate World-Model Planning（AWMP），将预训练 LLM 用作结构化世界模型的外生组件，通过 afterstate 分解让 LLM 仅预测不确定的未来工件到达，并采用惊觉触发的刷新机制与在线残差自校准应对非平稳到达。在动态作业车间与柔性作业车间基准上，AWMP 相对八种经典优先调度规则中的最优者，分别将加权延期降低 6-21% 和 22-46%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。