arXiv · cs.AI· Jialiang Sun, Kuldeep Meel·· 11 小时前
SAT-RL：通过符号求解器训练语言模型进行逻辑推理
SAT-RL: Training Language Models for Logical Reasoning with Symbolic Solvers
arXiv:2610.14402v1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：Jialiang Sun, Kuldeep Meel
研究任务与主要进展
Jialiang Sun和Kuldeep Meel提出SAT-RL，通过强化学习训练大语言模型与Z3等可满足性求解器进行多轮工具交互，以处理复杂约束和大规模搜索空间。论文摘要称，该方法结合可验证解的合成数据、求解器增强轨迹的监督预热和带工具奖励的求解器驱动强化学习，并在领域内外逻辑任务上提升了符号推理表现；代码地址为 https://github.com/sunjia72/SAT-RL。
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