Resumen:Se prevé que el mercado de comercio electrónico de la India crezca rápidamente, y la entrega de última milla representará casi la mitad de los gastos operativos. Aunque los solucionadores basados en problemas de rutas de vehículos (VRP) se utilizan ampliamente para la planificación de entregas, su efectividad en escenarios del mundo real es limitada debido a direcciones no estructuradas, mapas incompletos y limitaciones computacionales en la estimación de distancias. Este estudio propone un marco que emplea modelos de lenguaje grande (LLM) para criticar las rutas generadas por VRP frente a criterios basados en políticas, lo que permite a los operadores logísticos evaluar y priorizar planes de entrega más eficientes. Como ilustración de nuestro enfoque, generamos, anotamos y evaluamos 400 casos utilizando modelos de lenguaje grandes. Nuestro estudio encontró que los LLM de código abierto identificaron problemas de enrutamiento con un 79% de precisión, mientras que los modelos de razonamiento patentados lograron alcanzar hasta un 86%. Los resultados demuestran que la evaluación basada en LLM de rutas generadas por VRP puede ser una capa de evaluación efectiva y escalable que va más allá de las métricas convencionales basadas en distancia y tiempo. Esto tiene implicaciones para mejorar la eficiencia de costos, la confiabilidad de la entrega y la sostenibilidad en la logística de última milla, especialmente para países en desarrollo como India.
Publicado originalmente en export.arxiv.org el 12 de octubre de 2025.
Ver fuente original
