GradSAT：梯度归一化加速浮点可满足性求解

研究者提出 GradSAT 框架，用于加速浮点可满足性（SMT）求解。该方法把每个子句当作独立的多任务学习任务，用动态梯度归一化（GradNorm）在运行时平衡各子句的梯度大小，以缓解梯度支配问题。 GradSAT 采用两阶段流水线：先由 GPU 加速的 PyTorch 后端配合符号编译与算子融合导航连续松弛，再由位精确局部搜索求解器完成精确赋值。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。