NEMO: Automatisierte Optimierung durch Code-Agenten – neue Spitzenleistung

Ein neues System namens NEMO ermöglicht es, natürliche Sprachbeschreibungen von Entscheidungsproblemen direkt in ausführbaren mathematischen Optimierungs-Code zu übersetzen. Dabei arbeitet NEMO nicht mit herkömmlichen großen Sprachmodellen, sondern nutzt autonome Coding Agents (ACAs) als zentrale Bausteine. Diese Agenten interagieren über eine API‑ähnliche Schnittstelle, wodurch komplexe Aufgaben in modularen Schritten strukturiert und verfeinert werden können.

ACAs laufen in isolierten Sandboxes, sodass jeder erzeugte Code sofort ausführbar ist. Das erlaubt automatisierte Validierung und Reparatur, bevor er in die endgültige Lösung einfließt. NEMO setzt dabei auf innovative Koordinationsmuster: asymmetrische Validierungszyklen zwischen eigenständig generierten Optimierer‑ und Simulationsimplementierungen, ein externes Gedächtnis zur Wiederverwendung von Erfahrungen sowie robuste Techniken wie Minimum Bayes Risk (MBR) Decoding und Selbstkonsistenz.

In einer umfangreichen Evaluation an neun etablierten Optimierungsbenchmarks übertrifft NEMO den Stand der Technik bei den meisten Aufgaben und erzielt dabei deutliche Vorsprünge auf mehreren Datensätzen. Die Ergebnisse zeigen, dass eine execution‑aware Agentenarchitektur die Automatisierung von Optimierungsaufgaben erheblich verbessert und neue Möglichkeiten für die praktische Anwendung eröffnet.