arXiv · cs.AI· Yuanzhuo Zhang·· 1 天前
GradSAT：通过梯度归一化加速浮点可满足性求解
Accelerating Floating-Point Satisfiability Solving via Gradient Normalization
arXiv:2610.08808v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yuanzhuo Zhang
研究任务与主要进展
作者提出GradSAT框架，通过将SMT子句视为多任务学习任务并动态归一化梯度，缓解困难子句造成的梯度支配问题。系统先使用GPU加速的PyTorch后端搜索连续松弛空间，再交由位精确局部搜索引擎完成严格赋值；当前材料仅提供论文摘要，未说明实验结果和基准细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org