GradSAT：梯度归一化加速浮点SMT求解

研究者 Yuanzhuo Zhang 提出 GradSAT 框架，用于加速浮点可满足性（SMT）求解。该框架针对基于优化的 SMT 求解器受梯度支配的问题，将每条 SMT 子句视为独立的多任务学习任务，通过动态梯度归一化（GradNorm）在运行时平衡各子句的梯度幅度。 GradSAT 采用两阶段流水线：先用 GPU 加速的 PyTorch 后端结合符号编译与算子融合导航连续松弛，再交由位精确局部搜索求解精确赋值。报道未给出该框架在具体基准上的求解速度或成功率数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。