CircuitBuilder：通过强化学习从多项式构建电路
机器学习
2026-03-19 v1 人工智能
计算复杂性
摘要
我们受启发于自动证明生成和 Valiant 的 VP 与 VNP 猜想，研究了使用加法和乘法门发现高效算术电路以计算多项式的问题。我们将此问题表述为单人游戏，其中 RL 代理尝试在固定的操作次数内构建电路。我们实现了基于 AlphaZero 的训练循环，并比较了两种方法：结合蒙特卡罗树搜索的近端策略优化 (PPO+MCTS) 和软演员-评论家 (SAC)。SAC 在两变量目标上实现最高的成功率，而 PPO+MCTS 能扩展到三变量并在更难的实例上表现出稳定的改进。这些结果表明，多项式电路合成是一个紧凑、可验证的设置，可用于研究自我改进的搜索策略。
引用
@article{arxiv.2603.17075,
title = {CircuitBuilder: From Polynomials to Circuits via Reinforcement Learning},
author = {Weikun K. Zhang and Rohan Pandey and Bhaumik Mehta and Kaijie Jin and Naomi Morato and Archit Ganapule and Michael Ruofan Zeng and Jarod Alper},
journal= {arXiv preprint arXiv:2603.17075},
year = {2026}
}
备注
ICLR 2026 Workshop on AI with Recursive Self-Improvement