DynaSchedBench: LLMベーススケジューリングエージェントにおける動的スケジューリングベンチマークと観測可能性パラドックス DynaSchedBench: Calibrated Dynamic Scheduling Benchmarks and Observability Paradox in LLM-based Scheduling Agents
動的フレキシブルジョブショップスケジューリング問題(DFJSP)向けに、LLMエージェントの評価手法の方法論的課題を指摘するベンチマークを提案。
English summary
- arXiv:2605.27566v1 Announce Type: new Abstract: Progress in neural combinatorial optimization for Dynamic Flexible Job Shop Scheduling Problem (DFJSP) is currently hindered by a methodological tension
本論文はarXiv:2605.27566として公開され、動的フレキシブルジョブショップスケジューリング問題（DFJSP）における神経組み合わせ最適化の進展が、方法論的な緊張によって阻まれている現状を指摘している。具体的には、LLMベースのスケジューリングエージェントを評価する際に生じる「観測可能性パラドックス」を提起し、適切に調整されたベンチマーク群（DynaSchedBench）を提案している。
観測可能性パラドックスとは、エージェントの内部状態や意思決定過程を観測・評価しようとすること自体がスケジューリング性能に影響を与えうるという問題と推察される。詳細な実験設定や結果については原文を参照されたい。
Published as arXiv:2605.27566, this paper identifies a methodological tension currently hindering progress in neural combinatorial optimization applied to the Dynamic Flexible Job Shop Scheduling Problem (DFJSP). The authors introduce DynaSchedBench, a suite of calibrated dynamic scheduling benchmarks designed to provide more rigorous and fair evaluation of LLM-based scheduling agents.
A central contribution is the articulation of an "observability paradox" in LLM-based scheduling agents—the notion that attempts to observe or evaluate an agent's internal scheduling decisions may inherently affect its behavior or measured performance. The precise experimental setup, datasets, and quantitative results are not detailed in the available abstract, so readers are encouraged to consult the full paper for methodology specifics and empirical findings.
This work appears relevant to researchers working at the intersection of large language models, combinatorial optimization, and industrial scheduling systems.
本ページの本文・要約は AI による自動生成です。正確性は元記事 (arxiv.org) をご確認ください。