开源仓库对比护士排班：CSP 求解器全面优于 LLM 方案

开发者 asaiyume 在 GitHub 开源 nurse-rostering 仓库，在相同的 INRC2 输入、排班格式和评估器下，对比经典 CSP 求解器与 LLM 两套护士排班方案，两套方案独立实现，均只验证硬约束可行性（最低覆盖、合格技能、每护士每日一个班次及含周一历史在内的合法接续）。 在 15 个相同输入上，CSP 求解器 15/15 全部通过，平均运行 0.012 秒且无需 API 调用；LLM 四种变体的硬约束通过率为 38/45 到 40/45，平均运行时间 162–329 秒。项目基于 uv 管理依赖，支持 690 个转换后实例的离线评估与结果回放验证；仅 LLM 实时运行需要设置 SOCLAAS_API_KEY。作者说明该目的性抽样仅支持描述性比较，不构成关于护士人数或完整 INRC2 全期结果的因果结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。