MILP-Evolve 是由 Microsoft Research 于 2025 年发布的一个基于大语言模型（LLM）进化框架生成的混合整数线性规划（MILP）问题类别和实例的大规模数据集，相关论文成果为「Towards Foundation Models for Mixed Integer Linear Programming」，旨在促进开发能够跨问题类别泛化的 MILP 基础模型研究。

该数据集包含由进化框架产生的多样化 MILP 类别代码表示（分为 Tab 1 和 Tab 2 对应论文表格），以及每个类别下通过不同种子生成的多达 1,000 个 MPS 格式的 MILP 实例。 数据支持积分间隙预测、学习分支以及 MILP 实例与自然语言描述对齐等多种学习任务，为相关领域的模型训练与评估提供了丰富的数据资源。

数据集组成

• milp_code：MILP 类别代码，其中 evolve/seed 下的 tab 1 和 tab 2 分别对应论文中的 Table 1 和 Table 2。

• instances：MILP 实例数据，采用 MPS 格式，每个类别最多提供 1,000 个实例。由于数据量较大，部分实例以 tab1_compressed 和 tab2_compressed 压缩形式提供，使用前需要自行解压。

• gap_data_example.tar.gz：积分间隙（Integrality Gap）预测任务的示例数据。

• language_data_example.tar.gz：语言-MILP 对比学习任务的示例数据。

• Learning to Branch：由于数据量较大，未直接提供数据集，需要通过 GitHub 源码基于 Ecole 生成。

Citation

@article{li2024towards,
  author    = {Li, Sirui and Kulkarni, Janardhan and Wu, Cathy and Menache, Ishai and Li, Beibin},
  title     = {Towards Foundation Models for Mixed Integer Linear Programming},
  booktitle = {The Thirteenth International Conference on Learning Representations},
  year      = {2025}
}