Zespół badawczy z arXiv opublikował metodę automatycznego generowania formułacji QUBO z naturalnych opisów problemów przy użyciu multi-agentowego frameworku AI. Zamiast ręcznego przetłumaczenia - co jest czasochłonne i wymaga expertise - system identyfikuje zmienne binarne, funkcje celu, ograniczenia i parametry kary całkowicie autonomicznie.
Abstrakcyjny problem QUBO to centralna formułacja dla optymalizacji kombinatorycznej, zyskująca popularność ze względu na zgodność z solverami kwantowymi, hybrydowymi kwantowo-klasycznymi i inspirowanymi kwantem. Jednak manualny proces tłumaczenia naturalnych opisów na poprawne formułacje pozostawał bottleneckiem - wymagał zidentyfikowania wielu komponentów i dobrania odpowiednich wag kar.
W ramach walidacji naukowcy stworzyli QUBOBench - benchmark z 100 problemami optymalizacyjnymi rozłożonymi na 12 dziedzin aplikacyjnych, zebranymi z recenzowanych publikacji, konkursów i kanonicznych problemów NP-trudnych. Wyniki pokazują 68% dokładność systemu, co jest istotnym skokiem nad 46% osiąganym przez bezpośrednie single-call podejście. Kluczową rolę w sukcesie odgrywał iteracyjny self-repair - mechanizm, w którym agent sam poprawia błędy w swoich formułacjach. Kod i dane są dostępne publicznie.