Formulare un problema di ottimizzazione nel modo giusto è spesso più importante dell’algoritmo che lo risolve, ma resta un’arte che richiede esperienza. Quando ci si sposta nel territorio della black‑box optimization — dove la funzione obiettivo non è esprimibile in forma chiusa e si osservano solo valori puntuali — la progettazione dello spazio di ricerca diventa il vero collo di bottiglia. È qui che il nuovo benchmark BBOWP‑Bench cerca di capire se i Large Language Models possono dare una mano, o almeno imparare a farlo.

Il lavoro presentato nel paper introduce i Black‑Box Optimization Word Problems, un setting in cui un sistema — tipicamente un LLM — deve inferire sia lo spazio di ricerca sia l’algoritmo di ottimizzazione partendo da una descrizione testuale del compito. Non è un esercizio astratto: nella pratica industriale, un ingegnere che deve tarare i parametri di un processo chimico o ottimizzare una ricetta di materiali si trova esattamente in questa situazione, con l’aggravante che le prove costano tempo e denaro e i dati sono spesso sensibili. Sapere se un LLM può tradurre un brief scritto in una strategia di ottimizzazione operativa significa valutare se possiamo tenere certe attività in casa, senza dover esporre all’esterno descrizioni di problemi che contengono know‑how proprietario.

Il benchmark accoppia ogni istanza a una descrizione in linguaggio naturale, un ambiente eseguibile e una formulazione di riferimento progettata da esperti. I primi esperimenti mostrano che gli LLM se la cavano sorprendentemente bene nella scelta dell’algoritmo, adattandosi al budget di valutazioni disponibile: se il budget è basso, preferiscono metodi più avidi; se è alto, propongono algoritmi evolutivi o bayesiani. Qui i modelli dimostrano di aver interiorizzato una discreta cultura ingegneristica sulla relazione costo‑qualità.

Il punto debole è invece il disegno dello spazio di ricerca. Quando la descrizione del problema è generica o volutamente poco informativa, gli LLM faticano a individuare quali variabili siano davvero rilevanti e a fissarne intervalli credibili. È un limite che non sorprende: la conoscenza di dominio necessaria per definire un intorno di ricerca sensato è spesso tacita, basata sull’esperienza del singolo tecnico, e i modelli attuali non sono ancora capaci di colmare quel vuoto con la sola descrizione testuale.

Per chi progetta pipeline di ottimizzazione on‑premise il messaggio è duplice. Da un lato la capacità di selezionare l’algoritmo in modo automatico può ridurre la dipendenza da specialisti, soprattutto quando le aziende vogliono standardizzare le procedure senza affidarsi a consulenti esterni. Dall’altro, la fragilità nella progettazione dello spazio di ricerca impone cautela: un LLM che suggerisce intervalli inadeguati può portare a sprecare risorse di calcolo o, peggio, far convergere il processo verso ottimi locali inaccettabili. In ambienti dove i dati devono restare fisicamente nei server aziendali per ragioni di sovranità, ogni decisione delegata al modello va verificata contro metriche di sicurezza e riproducibilità.

BBOWP‑Bench non offre, né potrebbe, una soluzione chiavi in mano. Funziona piuttosto come un framework di valutazione che, misurando su una serie di compiti diversi, permette di capire quanto sia matura l’automazione della formulazione di problemi black‑box. Il fatto che il codice e il dataset siano pubblici facilita il lavoro di chi vuole testare modelli self‑hosted o affinati con fine‑tuning su domini specifici. In prospettiva, man mano che gli LLM miglioreranno nella gestione delle conoscenze contestuali, vedremo una progressiva integrazione di questi strumenti nei workflow locali di R&D, dove l’ottimizzazione black‑box è pane quotidiano ma dove la riservatezza resta un vincolo architetturale non negoziabile.