PulseAugur
中
实时 08:11:56
实体 boolean satisfiability problem

boolean satisfiability problem

PulseAugur coverage of boolean satisfiability problem — every cluster mentioning boolean satisfiability problem across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
3
90 天内 9
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 9
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 9 条
  1. TOOL · CL_307800 ·

    新方法为NP难问题生成难题

    研究人员开发了一种新颖的方法来生成优化问题的挑战性实例,将实例创建本身视为一项优化任务。该方法使用黑盒优化器来搜索最大化求解器运行时间的实例,仅需要求解器、实例编码器和计算预算。该方法成功应用于四个NP难问题,包括可满足性问题和旅行商问题,生成的实例比随机抽样生成的实例难得多,并且与精心挑选的基准集相当。

  2. TOOL · CL_301067 ·

    新的神经符号NLI系统提高了命题链接的准确性

    研究人员开发了一种新颖的神经符号自然语言推断(NLI)方法,该方法提高了前提句和假设句之间命题链接的准确性。该新系统引入了一个可训练的原子链接器,与先前使用固定基于嵌入的选择或不变的句子级NLI模型不同,它可以联合预测链接存在、源选择和关系类型。该系统仅使用句子级NLI标签进行训练,无需特定的原子对注释,并在SNLI、SICK和MNLI等基准数据集上显示出显著的准确性提高。

  3. TOOL · CL_300828 ·

    Tiny Recursive Message Passing 提升AI推理能力,模型参数高效

    研究人员开发了一种名为 Tiny Recursive Message Passing (TRMP) 的新方法,该方法将消息传递神经网络与递归 Transformer 相结合。该方法通过实现深度递归的稳定训练并纳入测试时程序,从而提高了复杂推理任务的性能。TRMP 模型展示了参数效率,在 Sudoku-Extreme 等任务上取得了高精度,参数数量和训练时间均显著少于现有的神经网络基线,同时还表现出对更大问题实例的零样本迁移能力。

  4. TOOL · CL_261442 ·

    新的基于SAT的框架解决了图标记问题

    研究人员引入了一个新的框架来解决最小跨度反带宽和循环反带宽标记(MSABL/MSCABL)问题。这些问题是图标记任务的变体,侧重于最小化标记的跨度同时保持相邻顶点之间的最小距离。提出的方法利用基于布尔可满足性(SAT)的方法,将问题分解为一系列决策问题,并利用单调性来加速搜索。该研究还探讨了并行和增量SAT求解策略,证明了它们在基准实例上相对于CPLEXCP、CPLEXMIP和Gurobi等成熟求解器的有效性和竞争力。

  5. TOOL · CL_210444 ·

    Rocq证明助手实现了Romanov三元组逻辑的形式化验证

    研究人员使用Rocq证明助手对Romanov三元组逻辑(TLS)进行了形式化验证,这是该组合框架的首次机械化形式化。该工作详细介绍了核心TLS组件(如紧凑三元组结构(CTS)和简单顶点交集(SVI))的形式化,以及3-CNF公式滑动窗口片段的已验证翻译。一个名为VFR的OCaml原型被提取出来,为该片段提供了一个已验证的决策过程,并为通用的3-CNF提供了一个可靠的过滤器,并附带Python和Docker以实现可复现性。

  6. TOOL · CL_128712 ·

    论文认为自然启发数学创新,证明了LLM规模的合理性

    一篇新论文提出,人类的数学创新源于与自然世界的模式匹配,而非仅仅依靠纯粹的推理。作者认为,逻辑系统的复杂性和棘手性,即使是对于布尔可满足性问题这样的难题,也需要从物理学和生物学中汲取灵感。这一观点表明,大型语言模型的规模之所以合理,是因为它们能够嵌入广泛的跨领域模式,这与人类创造力所需的认知必要性相呼应。

  7. TOOL · CL_137108 ·

    人工智能需要自然的模式来进行数学创造,而不仅仅是逻辑

    一项新假说提出,人类的数学推理,除了纯粹的演绎推理外,在根本上依赖于从外部领域(尤其是自然界)进行的模式匹配。这是因为纯粹的推理面临着不可判定性和计算棘手性带来的局限。历史上的例子,例如傅里叶变换的发展,说明了物理学问题如何激发了纯粹逻辑本身无法预见的数学创新。该论文认为,这种对受物理学启发的模式匹配的依赖是一种认知必需,这意味着旨在达到人类水平数学创造力的人工智能系统必须整合海量的跨领域模式,这证明了当前大型语言模型的规模是合理的。

  8. RESEARCH · CL_98144 ·

    新论文分析了二值化神经网络的鲁棒性验证复杂性

    本文研究了二值化神经网络(BNN)验证问题的计算复杂性。研究人员通过将布尔可满足性问题(SAT)归约到二值化神经网络可满足性问题,证明了其NP-完全性。此外,他们发现均匀图像遮挡会导致分段常数网络输出,从而允许使用多项式时间算法来检查鲁棒性。

  9. RESEARCH · CL_36346 ·

    经过推理训练的大型语言模型展现出超越生成长度的独特内部轨迹

    研究人员开发了一种分析经过推理训练的语言模型的内部轨迹的方法,区分了仅仅是花费更多步骤和遵循不同的计算路径。通过调整生成长度,他们发现模型难度与修正后的轨迹几何形状相关,尤其是在编码任务中,与标准的指令微调模型相比,更难的问题在推理模型中显示出更直接的路径。在数学和布尔可满足性问题中也观察到了这种区别,尽管不太明显,这表明推理训练确实可以改变模型的内部处理方式,而不仅仅是长度。