ORLM

让大模型看懂业务问题，自动写出优化模型代码

ORLM是一个专注于优化建模的大型语言模型训练项目。它旨在解决传统优化建模依赖专家手工编写数学规划模型、效率低且门槛高的问题。ORLM通过微调开源大模型（如Llama、Qwen等），使其能够根据自然语言描述的业务问题，自动生成准确的优化模型代码（如Python的PuLP、Pyomo等库）。其核心能力包括：构建了包含大量优化建模指令的数据集，设计了从简单到复杂的课程式训练策略，并支持多种主流开源模型作为基座。项目提供了完整的训练、评估和推理代码，帮助研究者复现和开发自己的优化建模大模型，从而降低优化技术的应用门槛，提升建模效率。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 278

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队Cardinal-Operations

所属国家

官网地址

GitHubhttps://github.com/Cardinal-Operations/ORLM

定价模式free

价格说明开源模型，Apache-2.0许可证，可免费使用和部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型large-language-models,operations-research,optimization-modeling

GitHub 星标★ 278

30天Star增速

HF 下载量

上线时间2024-05-29 00:00:00

最近更新2026-09-24 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

提供从数据生成到模型训练、评估的完整pipeline，易于复现
设计了课程式训练策略，有效提升模型复杂建模能力
支持多种开源基座模型（Llama、Qwen等），灵活适配

不足之处

项目处于早期，文档和社区支持待观察
模型在极端复杂或非标准优化问题上的泛化能力可能有限

适用场景

企业运营中的生产计划、物流调度等优化问题建模
学术研究中快速生成优化模型原型
为无优化背景的业务人员提供智能建模辅助

替代项目

Chain-of-Experts、OptiMUS、LLM4OPT

项目介绍

ORLM 是模型训练领域的开源项目，由 Cardinal-Operations 开发，2024 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 277。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-20。Apache-2.0许可证，可免费使用和部署。

它主要面向的使用场景是：企业运营中的生产计划、物流调度等优化问题建模。同类可对比的替代方案包括 Chain-of-Experts、OptiMUS、LLM4OPT。

上一篇：Long-RL

下一篇：SVD-LLM