★ 3
SAT-RL 让语言模型借符号求解器做逻辑推理
论文提出 SAT-RL，一个通过多轮工具调用训练大语言模型与 Z3 等可满足性求解器交互的强化学习框架，结合可验证合成数据、监督预热与工具感知奖励。实验显示其在域内与域外逻辑任务上均显著提升符号推理能力，代码已开源。
arXiv cs.AI19 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 SAT-RL，一个通过多轮工具调用训练大语言模型与 Z3 等可满足性求解器交互的强化学习框架，结合可验证合成数据、监督预热与工具感知奖励。实验显示其在域内与域外逻辑任务上均显著提升符号推理能力，代码已开源。