热点事件持续更新
研究团队提出CDCL分支决策学习框架SAT-ACT
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 2 小时前更新
最新进展11月2日 13:00
研究团队发布CDCL分支学习框架SAT-ACT，可降低搜索成本并改善PAR-2指标。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。