使用 GPU 与 LLM 可高效解决非线性实数算术问题
机器学习
2026-03-10 v1
摘要
求解量化无符号的非线性实数算术（NRA）问题计算上具有挑战性。为此，先前工作提出了一种基于梯度下降的 promising 方法。在本工作中，我们扩展了这些思想并将 LLM 与 GPU 加速相结合，以获得一种高效技术。我们将我们的发现实现于一个新的 SMT 求解器 GANRA（GPU 加速求解非线性实数算术问题）。我们在两种不同的 NRA benchmark 上进行评估，证明 GANRA 在解决效率上显著优于先前的 state-of-the-art 方法。特别是在 Sturm-MBO benchmark 上，我们可以在 less than 1/20th 的前一 state-of-the-art runtime 中证明 satisfiability 的实例数量多出五倍以上。
引用
@article{arxiv.2603.07764,
title = {Using GPUs And LLMs Can Be Satisfying for Nonlinear Real Arithmetic Problems},
author = {Christopher Brix and Julia Walczak and Nils Lommen and Thomas Noll},
journal= {arXiv preprint arXiv:2603.07764},
year = {2026}
}
备注
Workshop submission, minor errors fixed