🧠 Автоматическая генерация QUBO из естественного языка достигла 68% точности Исследователи собрали мультиагентную систему, которая переводит текстовые описания задач комбинаторной оптимизации в QUBO-формулировки — ту самую промежуточную форму для квантовых и квантово-инспирированных решателей. Вместо однократного обращения к LLM агенты последовательно выделяют бинарные переменные, ограничения, целевую функцию и штрафные коэффициенты, а затем проверяют результат на тестовых наборах. Для оценки авторы представили QUBOBench — 100 задач из 12 прикладных областей, включая канонические NP-трудные задачи и рецензируемую литературу. Точность системы — 68%, что на 22 процентных пункта выше, чем при прямом однократном подходе. Самый значимый вклад в прирост дала итеративная самокоррекция: агенты исправляют собственные ошибки после проверки на структурированных и неструктурированных тестах. Код и данные открыты, по данным arXiv. Для тех, кто работает с квантовыми технологиями, это снимает часть рутины: формулировка QUBO вручную требует специальных знаний и времени, а здесь достаточно постановки задачи на естественном языке. Но 32% ошибок остаются — и это не просто неточность, а потенциально неверные штрафные коэффициенты, которые могут увести оптимизатор далеко от реального оптимума. Главный вопрос не к точности генерации, а к тому, как ошибки в QUBO отражаются на качестве конечного решения. Набор тестов измеряет корректность формулировки, но не проверяет, насколько хорошо полученная QUBO решает исходную задачу — именно там начнётся настоящая проверка полезности. #QUBO #LLM #квантовыевычисления #бенчмарк