11:37
官方账号arXiv cs.AI@Timo Bertram, Sidhant Bhavnani, Richard Freinschlag, Erich Kobler, Andreas Mayr, Günter Klambauer
推荐理由：这篇论文用神经网络给经典求解器指路，数独上回溯法提速33倍，但CaDiCaL不听话就没用，挺挑场景的。
约束满足问题
共 1 条相关 AI 资讯
7月3日
11:37
该论文提出神经符号方法G-RRM，集成SE-RRM与符号求解器（如回溯法、Glucose 4.1、CaDiCaL 3.0.0）。在9×9数独上，SE-RRM正确率91.1%，回溯法加速33.3倍，Glucose 4.1加速1.70倍（p<0.001）。CaDiCaL 3.0.0因总是遵循神经提示而非覆盖，无显著加速（中位数1.02倍，n.s.）。加速有效性取决于问题搜索空间规模及求解器能否动态覆盖分支选择。