arXiv · AI· Jialiang Sun, Kuldeep Meel·· 2026-10-14AI 评分41
SAT-RL:利用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
AI 导读
SAT-RL 提出了一种强化学习框架,通过多轮工具执行训练 LLM 与符号求解器交互,显著提升符号推理能力。 框架利用可验证的合成数据生成、监督预热及求解器基础的 RL,在域内和域外逻辑任务上均表现出性能提升。
来源:arXiv · AI · arxiv.org