arXiv 人工智能· Jialiang Sun, Kuldeep Meel·· 11 小时前AI 评分40
SAT-RL：利用符号求解器训练大语言模型逻辑推理能力的强化学习框架
SAT-RL: Training Language Models for Logical Reasoning with Symbolic Solvers
AI 导读
研究人员提出强化学习框架 SAT-RL，通过多轮工具执行训练大语言模型（LLM）与 Z3 等符号求解器进行交互。该框架结合了具备可验证解的合成数据生成、基于求解器增强轨迹的监督预热，以及带有工具感知奖励的求解器强化学习。实验显示，SAT-RL 显著提升了 LLM 在域内和域外逻辑任务中使用工具进行符号推理的能力，相关代码已开源。
来源：arXiv 人工智能 · arxiv.org