Resumen: El desarrollo de modelos de idiomas grandes (LLM) ha proporcionado nuevas herramientas para la investigación en la gestión de la cadena de suministro (SCM). En este documento, presentamos un marco de generación (RAG) de recuperación (RAG) que integra dinámicamente el conocimiento externo en el proceso de inferencia y desarrollamos un SCM LLM especializado en dominio, que demuestra la competencia a nivel de experto al pasar exámenes SCM estandarizados y pruebas de juegos de cerveza. Además, empleamos el uso de LLM para llevar a cabo juegos de cadena de suministro horizontal y vertical, para analizar la competencia y la cooperación dentro de las cadenas de suministro. Nuestros experimentos muestran que RAG mejora significativamente el rendimiento en las tareas SCM. Además, el análisis teórico del juego revela que el LLM puede reproducir ideas de la literatura clásica de SCM, al tiempo que descubre comportamientos novedosos y ofrece nuevas perspectivas sobre fenómenos como el efecto de látigo. Este documento abre la puerta para explorar la cooperación y la competencia por la red de la cadena de suministro compleja a través de la lente de LLM.
Publicado Originalme en rss.arxiv.org El 26 de mayo de 2025.
Ver Fuente Original
