SAT-ACT 提出基于结果偏好的 CDCL 分支学习框架

Zhenchao Sun 等研究者提出 SAT-ACT，通过比较 CDCL 求解器在相同状态下采取不同分支动作后的求解结果，提取动作偏好，并训练状态条件网络学习分支优先级。该网络可直接指导 CDCL 搜索，无需在线进行额外的动作试验。 SAT-ACT 使用三种互补的结果比较准则识别有证据支持的动作偏好；当证据不足或相互冲突时，保留未决比较，而不强行依据预设标量指标排序。求解器实验显示，该方法在三个 SAT 问题族上持续降低搜索成本，并提升 SAT Competition 基准测试的 PAR-2 表现。论文目前处于同行评审中。

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。