arXiv cs.AI· Jialiang Sun, Kuldeep Meel·· 19 天前AI 评分38
SAT-RL：利用符号求解器训练大语言模型逻辑推理的强化学习框架
SAT-RL: Training Language Models for Logical Reasoning with Symbolic Solvers
AI 导读
研究者提出强化学习框架 SAT-RL，通过多轮工具执行训练大语言模型与 Z3 等符号求解器交互，以解决复杂逻辑与约束推理难题。该框架结合了具有可验证解的合成数据生成、基于求解器增强轨迹的监督预热，以及带有工具感知奖励的求解器强化学习。实验显示，SAT-RL 在领域内和跨领域的逻辑任务上显著提升了工具辅助的符号推理表现，相关代码已开源。
来源：arXiv cs.AI · arxiv.org