AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-22
ORSMT: Melepas Potensi Satisfiability Modulo Theories untuk Verifikasi Semantik dan Perbaikan dalam Optimasi Berbasis LLM
Judul asli: ORSMT: Unleashing the Potential of Satisfiability Modulo Theories for Semantic Verification and Repair in LLM-Based Optimization
ORSMT menangani verifikasi semantik dalam pemodelan optimasi berbasis LLM, di mana memeriksa apakah matematika yang dituliskan, kode solver, dan laporan yang dikembalikan menggambarkan masalah yang sama memerlukan perbandingan semantik. Ia menyediakan antarmuka semantik bertipe dan kueri relasi SMT yang eksak, membuktikan atau membantah relasi daerah layak dan objektif, melokalisasi bantahan, dan merekonstruksi satu artefak dari artefak lainnya. Pada 3,034 masalah dan enam ukuran generator, ORSMT meningkatkan tingkat kecocokan model-kode di seluruh 72 kombinasi, dan seleksi terlindungi menaikkan tingkat agregat dari 43.2% menjadi 88.2% serta proporsi benar-dan-cocok dari 25.2% menjadi 40.2%.