提出SAT-RL框架训练LLM调用符号求解器

Jialiang Sun和Kuldeep Meel提出SAT-RL，一个强化学习框架，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，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；实验显示SAT-RL在领域内和领域外逻辑任务上都提升了带工具的符号推理表现。代码已在GitHub开源（https://github.com/sunjia72/SAT-RL）。以上为论文摘要的说法，尚无独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。