SAD：面向求解器的PBE分解训练框架
热点事件持续更新
SAD：面向求解器的PBE分解训练框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
arXiv 2026年10月发布的论文预印本中，Janis Zenkner 等作者提出求解器感知分解（Solver-Aware Decomposition，SAD）训练框架，用于基于分解的 Programming-by-Example（PBE）合成方法。 据论文描述，该框架在保留对真实子目标（GT subgoals）的监督训练作为结构支架的同时，额外用策略梯度、以冻结的学习型合成器为对象在线优化分解器。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
Solver-Aware Decompositions：让分解器知道求解器如何求解的 PBE 框架报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.AISolver-Aware Decompositions：让分解器知道求解器如何求解的 PBE 框架
针对基于分解的 Programming-by-Example 方法，论文提出 Solver-Aware Decomposition（SAD）训练框架：在保留 GT 子目标监督的同时，用策略梯度以冻结学习型合成器的交叉熵损失作为奖励在线优化分解器。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。