日立製作所的 LLM 最佳化不把最佳解限定為一個

LLM 最佳化不只是猜中唯一正解的技術，也可能成為列出不同妥協方案，讓現場能夠選擇的技術。日立製作所開發出能生成多個 KPI 候選方案的學習技術，在邏輯電路課題中，將候選方案的涵蓋率最多提高了 13.3%。只要能滿足實際限制與安全條件，物流負責人就能在同一個畫面上，選擇速度和節能程度不同的配送方案。

在鐵路運行、配送，以及電力與計算資源的分配中，提高速度可能會增加耗電量或成本；優先考慮穩定性，則可能犧牲另一項性能。現場通常會把多個條件整合成一個分數，再接收分數最高的方案。每當條件改變，也可能需要重新訓練 AI，因此難以比較該選擇哪一種妥協。

無法用一個分數比較

LLM 是不只能生成文章，也能生成設計與規畫方案的 AI。KPI（關鍵績效指標）是衡量這些方案的尺度。例如在電路中，耗電量、處理速度和電路規模都可能是 KPI。

這些指標有時無法同時改善。速度快的電路可能耗用更多電力，而規模小的電路可能降低速度。在多目標最佳化中，不會強行把這些方案排成單一順位，而是將它們作為彼此難以一概判定優劣的候選方案群來比較。

讓 AI 也學習候選方案的差異

日立製作所開發的是一種 LLM 學習技術，不把多個 KPI 壓縮成一個總分，而是生成多個具有不同平衡的方案。這項技術將 LLM 強化學習所使用的 GRPO，與超體積貢獻度這項指標結合。超體積貢獻度是用來衡量候選方案群以多個尺度涵蓋多大範圍的指標。

AI 會一邊查看先前生成的候選方案，一邊生成下一個候選方案。它會評估新方案是否提升整個候選方案群的性能，同時加入與既有方案不相似的方案，並據此學習。如此一來，目標不只是生成偏向特定權重分配的方案，也要並列出優先考慮速度的方案、節能方案，以及控制規模的方案。在生成邏輯電路時，據稱候選方案的涵蓋率與學習前的模型相比最多提高了 13.3%。不過，這是容易自動評分的電路課題所得出的結果。

直到成為現場可選的方案

如果這項技術在納入實際運用的限制、預測的不確定性和安全條件後仍然有效，物流中心的配送負責人就能在同一個畫面上，比較遵守截止期限的方案、避開電費高昂時段充電的方案，以及保留車輛餘裕的方案。在設計室，則能從讓電池續航更久的方案、速度更快的方案，以及能容納在較小電路板上的方案中，選擇具備相同功能的電路。

不過，仍需要驗證候選方案是否符合現實中的車輛、道路、合約和勞務限制，並將其連接到既有的最佳化軟體或運用系統。也必須決定發生失敗時的責任分配。它的價值不在於自動採用唯一的最佳解，而在於為情況不斷變化的現場保留可供選擇的妥協方案。

出處

日立製作所「為最佳化社會基礎設施等的運用管理，考量相互衝突的多個 KPI，開發生成多樣且有力候選方案的 LLM 學習技術」