著者らは、G-RRMを提案した。これは、記号等変再帰的推論モデル（SE-RRMs）と古典的な記号ソルバーを統合し、制約充足問題の探索効率を向上させる神経記号的アプローチである。SE-RRMsは解の提案を生成してバックトラックやGlucose 4.1およびCaDiCaL 3.0.0のようなSATベースの手法をガイドするニューラルソルバーとして機能する。

  • G-RRMの有効性には、拡張された組み合わせ探索空間と、分岐選択を動的に上書きできるソルバーアーキテクチャが必要である。
  • SE-RRMsが91.1%のインスタンスを解決する$9\times9$数独では、バックトラックは33.3倍高速化され、Glucose 4.1は1.70倍高速化される。
  • Glucose 4.1は完全ヒント付き$25\times25$グリッドで1.17倍の高速化を維持する。
  • CaDiCaL 3.0.0は注入されたヒントを上書きせずに常に尊重するため、有意な高速化を示さない。

これらの結果は、神経ガイダンスが記号ソルバーの実用的な壁掛け時計速度向上に変換される特定のレジームを明確にしている。