Что это такое?
Набор инструментов для дообучения ИИ-модели Openpangu-7B под задачи автоматизации операционных исследований и математической оптимизации.
Проект / Python
WillowHe/EvoOpt_oppangu_optimization_model: EvoOpt-LLM — кастомизация ИИ для задач оптимизации
Проект позволяет дообучать большую языковую модель Openpangu-7B для автоматизации операционных исследований и оптимизации.
EvoOpt-LLM — это набор инструментов для тонкой настройки и применения больших языковых моделей в задачах оптимизации из области операционных исследований. Он использует модель Openpangu-7B в качестве основы и предоставляет модули для её дообучения,...
Для кого это
Для инженеров и исследователей в области операционных исследований, которые хотят автоматизировать создание математических моделей и анализ ограничений с помощью ИИ. Также подходит для разработчиков, работающих с Huawei Ascend AI...
Проблема / задача
Создание и модификация математических моделей для задач оптимизации (линейное программирование) вручную — трудоёмкий процесс, требующий экспертизы. Проект решает проблему автоматизации этого процесса.
Как это работает
Проект берёт базовую модель Openpangu-7B и дообучает её на специализированных датасетах по оптимизации, используя эффективные методы вроде LoRA. После дообучения модель может: 1) по текстовому описанию задачи генерировать готовую математическую модель, 2) добавлять новые ограничения к существующим моделям, 3) находить переменные, которые можно зафиксировать как нулевые, чтобы упростить модель и ускорить её решение.
Что видно по README
EvoOpt-LLM — это набор инструментов для тонкой настройки и применения больших языковых моделей в задачах оптимизации из области операционных исследований. Он использует модель Openpangu-7B в качестве основы и предоставляет модули для её дообучения, автоматического моделирования, генерации ограничений и упрощения моделей. Проект заточен под аппаратное обеспечение Huawei Ascend (NPU).
Ключевые возможности
Технологии
Интересный факт
Проект целиком завязан на экосистему Huawei: использует их процессоры Ascend NPU и их же языковую модель Openpangu-7B, которая сама по себе является редким open-source проектом, обученным с нуля на их железе.
С чего начать
- Убедиться, что есть доступ к Huawei Ascend NPU и установлен CANN
- Склонировать репозиторий и настроить окружение согласно README
- Подготовить датасет для дообучения и запустить скрипт finetune.py
Оценка GitRadar
Удобство
4/10
Свежесть
7/10
Перспектива
6/10
Монетизация
5/10
Общая оценка
5/10
Вердикт GitRadar
Стоит пробовать только если вы работаете в области операционных исследований и у вас есть доступ к железу Huawei Ascend. Для широкой аудитории проект слишком нишевый и зависимый от специфичного оборудования.
Наблюдения по обновлениям
Проект выглядит свежим (использует актуальные версии библиотек), но имеет 0 форков и 0 issues, что говорит о малой активности сообщества или очень узкой аудитории.
Что мы проверили
Карточка собрана по данным GitHub, README и структуре репозитория. Это не официальная документация проекта.
- Исходный репозиторий
- https://github.com/WillowHe/EvoOpt_oppangu_optimization_model
- Лицензия
- MIT
- Создан на GitHub
- 30 марта 2026 г.
- Последнее обновление репо
- 30 марта 2026 г.
- Последняя проверка GitRadar
- 30 марта 2026 г.
- Изученные файлы
- openpangu-embedded-7b-model/README.md, README.md, openpangu-embedded-7b-model/configuration_openpangu_dense.py, end_to_end_modeling/generate_finetuned_example.sh, end_to_end_pruning/evaluate_zero_variables_example.sh, end_to_end_pruning/analyze_zero_variables_example.sh
FAQ
Для кого подходит?
Для исследователей и инженеров, которые хотят автоматизировать создание и анализ моделей оптимизации с помощью ИИ, и работают в экосистеме Huawei.
Источники
Нужна помощь с WillowHe/EvoOpt_oppangu_optimization_model?
Если проект подходит под ваш сценарий, можем помочь с установкой, интеграцией, доработкой или аккуратным форком под вашу инфраструктуру.