★ 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 3 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。
开发者发布开源项目 UPA,将业务规则、工作流、系统、证据与假设表示为机器可读结构,供人与 AI 智能体共同检视,并用 Z3 对模型属性做形式化验证。项目定位为「机器可读的组织大脑」实验。
开发者发布开源编程语言与验证流水线 Llmll,让 AI 智能体在形式化契约下填写类型洞,由 Z3 求解器在合并前证明或反驳每个函数体。其核心作者本身是 LLM 智能体,验证机制把幻觉从失败模式转化为搜索策略。