OR Reasoning Model
مدل استدلال تحقیق در عملیات — مدل ۷B تنظیمشده برای طبقهبندی مسئله، فرمولبندی ریاضی، تولید کد Pyomo، تعمیر و توضیح جواب solver.
Interactive Sample Demoبرای مدیر: نتیجه کسبوکار
LLM عمومی دامنه را اشتباه میگرفت، قیود ضمنی را جا میانداخت و کد infeasible میساخت.
زنجیره ۶ مرحلهای روی UnifiedOR-100K؛ نسخههای SFT و GRPO؛ کنسول استدلال.
- ۷B SFT + GRPO
- ۶ مرحله زنجیره
- UnifiedOR-100K
- توضیح قیود اتصال
«از زبان طبیعی تا توضیح جواب solver — با حلقه تعمیر کامپایلر.»
مستندات عمومی
چه میکند؟
OR Reasoning Model یکی از محصولات پورتفولیوی هوش مصنوعی آریا اِیآی است که برای تصمیمگیری عملیاتی سازمانهای ایرانی و بینالمللی طراحی شده. نسخه عمومی روی Hugging Face یک دموی نمونه است؛ نسخه تولید با یکپارچهسازی داده، SSO و audit trail استقرار مییابد.
مخاطب غیرفنی میتواند KPI قبل/بعد، کاربرد صنعت و مسیر پایلوت را ببیند؛ مخاطب فنی pipeline، متریک قابل بازتولید و لینک Space/Model/Dataset را دنبال میکند.
درخواست پایلوت از طریق فرم تماس سایت با ذکر علاقه به OR Reasoning Model ثبت میشود تا محدوده داده، قیود و معیار موفقیت مشخص گردد.
چه کسی از آن استفاده میکند؟
مدیران عملیات، CISO، برنامهریزان تولید، لجستیک، مالی و تیمهای مهندسی که باید تصمیم را هم برای هیئتمدیره و هم برای اجرای فنی توضیح دهند.
خروجی دمو «نمونه تعاملی» است؛ آپلود زنده فایل سازمانی روی Space عمومی توصیه نمیشود.
کاربرد در صنایع
تیمهای نرمافزار سازمانی
اتوماسیون مدلسازی ریاضی و تولید کد solver. اتوماسیون مدلسازی OR برای مشاوره و مراکز تعالی بهینهسازی.
مشاوره OR
از شرح مسئله به مدل قابل حل با بازخورد کامپایلر.
دیتاساینس صنعتی
benchmark، انتخاب solver و توضیح جواب.
DevOps / MLOps
زمانبندی GPU و بار ابری با قیود SLA.
تحقیق و دانشگاه
dataset بنیادین OR و مدل استدلال.
استارتاپ محصول
Copilot بهینهسازی بدون تیم OR کامل.
برای مهندس: Pipeline و معماری
NL → classify domain/type/solver → math formulation → constraints → Pyomo code → repair → explain
معماری مرجع: NL → classify domain/type/solver → math formulation → constraints → Pyomo code → repair → explain. اجزا روی CPU قابل اجرا هستند تا دمو و استقرار اولیه بدون GPU اجباری باشد.
خروجیها شامل امتیاز/برنامه، توضیحپذیری و ردپای تصمیم برای بازبینی انسانی است. آموزش و ارزیابی از corpus مستند پروژه پیروی میکند.
برای تولید: Docker، متغیر محیطی، و اتصال به سامانه موجود (ERP، SIEM، WMS، APS) طبق معماری هر repo انجام میشود.
پشته فنی
- Python
- OR-Tools / Pyomo / HiGHS
- NumPy
- SimPy
- Gradio
- Docker
متریکهای قابل بازتولید
| بنچمارک | جزئیات | نتیجه |
|---|---|---|
| Base | 7B coder/reasoner | yes |
| Train | SFT + GRPO | 2 checkpoints |
| Data | UnifiedOR-100K | yes |
| Steps | classify→explain | 6 |
سوالات پرتکرار
OR Reasoning Model چیست و چه مسئلهای را حل میکند؟
مدل ۷B تنظیمشده برای طبقهبندی مسئله، فرمولبندی ریاضی، تولید کد Pyomo، تعمیر و توضیح جواب solver.
آیا میتوان داده واقعی سازمان را در دمو عمومی وارد کرد؟
خیر. دمو عمومی برای نمونههای ازپیشمحاسبهشده یا داده ترکیبی است. داده production باید در استقرار on-prem یا VPC با کنترل دسترسی وارد شود.
آیا این محصول جایگزین سامانه فعلی میشود؟
نمونه اولیه (POC) برای نمایش قابلیت بهینهسازی است و جایگزین سیستم برنامهریزی تولید سازمانی نیست. متریکها روی داده ترکیبی/بنچمارک قابل بازتولید گزارش شدهاند. برای استقرار واقعی پایلوت on-prem توصیه میشود.
متریکهای صفحه از کجا آمدهاند؟
از README و eval_results هر پروژه روی Hugging Face / repo داخلی؛ اعداد بنچمارک ترکیبی را با داده سازمان خود در پایلوت بازسنجی کنید.
لینکهای Hugging Face
درخواست پایلوت
برای استقرار on-prem، یکپارچهسازی با سامانههای موجود یا fine-tune روی داده سازمان خود تماس بگیرید.