研究团队提出CDCL分支决策学习框架SAT-ACT
Start here
2026年11月2日，相关研究在arXiv发布，提出面向CDCL（冲突驱动子句学习）分支决策的结果驱动学习框架SAT-ACT。该框架通过在同一求解器状态下进行独立动作展开来提取动作偏好，并利用状态条件网络学习分支优先级，以此直接指导搜索过程，无需进行在线动作展开；同时，框架中还引入了非支配启发式动作监督机制。实验结果显示，SAT-ACT在3个SAT族上有效降低了CDCL的搜索成本，并在SAT Competition基准测试中改善了PAR-2指标。
AI-generated from reports · Updated 4 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能SAT-ACT：从结果驱动的动作偏好中学习 CDCL 分支决策
SAT-ACT 是一个面向 CDCL 分支决策的结果驱动学习框架，通过同一求解器状态下的独立动作展开提取动作偏好。该框架利用状态条件网络学习分支优先级来直接指导搜索，无需在线动作展开，并引入了非支配启发式动作监督。实验显示，SAT-ACT 在 3 个 SAT 族上降低了 CDCL 搜索成本，并改善了 SAT Competition 基准上的 PAR-2 指标。
Story heat trend
Current heat 9·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.