arXiv cs.AI· Jialiang Sun, Kuldeep Meel·· 8 小时前AI 评分30
SAT-RL：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 是一个强化学习框架，训练 LLM 通过多轮工具调用与 Z3 等符号求解器交互，以提升逻辑推理能力。它结合了带可验证解的合成数据生成、求解器增强轨迹的监督预热，以及带工具感知奖励的求解器锚定强化学习。实验显示，SAT-RL 在域内和域外逻辑任务上均大幅提升了带工具符号推理表现，代码已开源。
来源：arXiv cs.AI · arxiv.org