OR-License：用真实付费咨询项目评测 Agent 做运筹优化

港科大等团队发布 OR-License 基准，检验 LLM Agent 能否直接从客户原始材料出发，交付专家级的运筹优化方案。基准包含来自真实付费运筹咨询项目的 31 个实例、覆盖 10 个工业场景，项目总金额 368 万美元，并保留原始需求、数据和交付格式。作者还构建了只透露业务事实、不懂运筹的模拟客户 ORSim，用来研究 Agent 如何收集信息。

要点

• 评测 11 个前沿模型，多个在目标函数质量上超过专家参考解，但按「不可行交付记零分」的 DAQ 指标没有一个达到专家水平
• 最佳配置为 Claude Code，严格可行率 88.39%，DAQ 为 0.87（专家参考为 1）
• 各模型的完整研究链路完成率在 24% 到 45% 之间
• 作者认为 Agent 还需要补足信息缺口的持续追问、忠实的问题建模和基于证据的自我改进

来源

### [OR-License：用真实付费咨询项目评测 Agent 做运筹优化]({{URL}})

港科大等团队发布 OR-License 基准，检验 LLM Agent 能否直接从客户原始材料出发，交付专家级的运筹优化方案。基准包含来自真实付费运筹咨询项目的 31 个实例、覆盖 10 个工业场景，项目总金额 368 万美元，并保留原始需求、数据和交付格式。作者还构建了只透露业务事实、不懂运筹的模拟客户 ORSim，用来研究 Agent 如何收集信息。

- 评测 11 个前沿模型，多个在目标函数质量上超过专家参考解，但按「不可行交付记零分」的 DAQ 指标没有一个达到专家水平
- 最佳配置为 Claude Code，严格可行率 88.39%，DAQ 为 0.87（专家参考为 1）
- 各模型的完整研究链路完成率在 24% 到 45% 之间
- 作者认为 Agent 还需要补足信息缺口的持续追问、忠实的问题建模和基于证据的自我改进

**为什么值得关注**：「方案最优但不可交付」是 Agent 进入专业咨询类工作的典型差距，用真实项目和可交付性来评测，比单纯比分数更接近实际落地要求。

来源：[OR-License: Evaluating LLM Agents as Real-World Operations Research Practitioners](https://arxiv.org/abs/2610.24087)