AI और दुनिया की कठिन समस्याएँ · सैद्धांतिक कंप्यूटर विज्ञान · arXiv · 2026-10-22

ORSMT: LLM-आधारित अनुकूलन में शब्दार्थिक सत्यापन एवं मरम्मत के लिए Satisfiability Modulo Theories की क्षमता का उन्मोचन

मूल शीर्षक: ORSMT: Unleashing the Potential of Satisfiability Modulo Theories for Semantic Verification and Repair in LLM-Based Optimization

ORSMT LLM-आधारित अनुकूलन मॉडलिंग में शब्दार्थिक सत्यापन की समस्या सुलझाता है, जहाँ यह जाँचना कि लिखा गया गणित, सॉल्वर कोड और लौटाई गई रिपोर्ट एक ही समस्या का वर्णन करते हैं या नहीं, शब्दार्थिक तुलना माँगता है। यह एक टाइप्ड शब्दार्थिक इंटरफ़ेस और सटीक SMT संबंध-क्वेरी प्रदान करता है, जिनसे feasible-region और objective संबंधों को सिद्ध या खंडित किया जाता है, खंडनों का स्थानीयकरण किया जाता है, और एक आर्टिफ़ैक्ट से दूसरे का पुनर्निर्माण किया जाता है। 3,034 समस्याओं और छह जेनरेटर आकारों पर यह सभी 72 संयोजनों में मॉडल-कोड मैच दर में सुधार करता है, और protected selection समग्र दर को 43.2% से 88.2% तथा correct-and-matched हिस्से को 25.2% से 40.2% तक बढ़ाता है।

मूल लेख पढ़ें ↗

सभी आइटम →