上交大智能计算研究院论文：不只算对答案，大模型如何真正学会运筹建模丨ICLR 2026

在大语言模型逐步从通用推理工具走向专业领域应用的过程中，运筹优化（OR）成为一个极具吸引力、同时也极具挑战性的方向。 一方面，运筹优化问题天然具备清晰的数学结构和可验证的求解结果，看似非常适合由模型自动完成建模与求解；另一方面，真实运筹建模高度依赖变量定义、约束设计与目标函数之间的整体一致性，其推理过程往往呈现出强步骤依赖和强耦合特征，远非算出一个正确答案所能覆盖。 正是在这一张力之下，当前运筹建模大模型研究逐渐暴露出一个核心困境：模型在求解器层面得到正确结果，并不意味着其完成了正确的建模。在现有主流训练范式中，无论是仅依据最终求解结果进行奖励，还是对中间步骤进行局部、逐步的过程监督，都难以准确刻画运筹建模这种长链条推理任务的真实质量。 这种监督信号与任务本质之间的错位，使得建模错误可能被掩盖，甚至被反复强化，逐渐成为大模型走向工业级运筹优化应用的关键瓶颈。在这样的研究背景下，来自上海交通大学智能计算研究院葛冬冬、林江浩研究团队提出了《StepORLM: A Self-Evolving Framework with Generative Process Supervision for Operations Research Language Models》。 这项研究并未仅从模型规模或数据量入手，而是从训练范式本身出发，系统性反思了结果奖励与传统过程监督在运筹建模任务中的根本局限，并提出了一种由策略模型与生成式过程奖励模型（GenPRM）协同进化的自进化训练框架。通过将最终求解结果与对完整推理过程的回顾式、全局评估相结合，StepORLM 试图引导模型真正学习如何构建一致、可靠的运筹优化模型，而不仅仅是生成一个可行解。 论文地址：https://arxiv.org/abs/2509.22558 小模型，赢在方法 在实验评估方面，这项研究在 6 个具有代表性的运筹优化基准数据集上对所提出的方法进行了系