G-RRM guia solucionadores simbólicos com modelos de raciocínio recorrente para satisfação de restrições

Os autores propõem o G-RRM, uma abordagem neuro-simbólica que integra modelos de raciocínio recorrente equivariantes a símbolos (SE-RRMs) com solucionadores simbólicos clássicos para melhorar a eficiência da busca em problemas de satisfação de restrições. Os SE-RRMs atuam como solucionadores neurais gerando propostas de solução para guiar métodos de retrocesso ou baseados em SAT, como Glucose 4.1 e CaDiCaL 3.0.0.

• A eficácia do G-RRM requer espaços de busca combinatória expansivos e arquiteturas de solucionadores capazes de sobrescrever dinamicamente as escolhas de ramificação.
• No Sudoku $9\times9$, onde os SE-RRMs resolvem 91,1% das instâncias, o retrocesso é acelerado 33,3x e o Glucose 4.1 em 1,70x.
• O Glucose 4.1 mantém uma aceleração de 1,17x em grades $25\times25$ com dicas perfeitas.
• O CaDiCaL 3.0.0 não mostra aceleração significativa porque sempre respeita as dicas injetadas em vez de sobrescrevê-las.

Esses resultados delimitam os regimes específicos onde a orientação neural se traduz em aceleradores práticos de tempo real para solucionadores simbólicos.