标签
介绍DisjunctiveNet，一个统一的端到端框架，通过可微凸优化层在神经网络中强制执行硬性的、输入相关的混合整数线性约束，在真实世界数据集上实现完美的规则满足。
PhyDrawGen 是一个神经符号管道，它结合基于大语言模型的场景理解、确定性约束求解器以及基于视觉语言模型的验证循环，从自然语言生成物理精确的示意图，在物理问题基准测试中优于现有模型。
介绍ContextGuard，一个结构化自我审计框架，通过将模型自我评估分解为确认和不确定类别并应用针对性修订来改进语言模型上下文学习。在CL-Bench基准测试中，Qwen3.5-4B的任务解决率从9.64%提升至13.85%。
本文介绍了Constrained Diffusion for Code (CDC)，这是一种无需训练的神经符号推理框架，它将约束满足直接集成到离散扩散模型的逆向去噪过程中，用于代码生成。CDC在功能正确性、安全性和语法方面持续提升约束满足率，在多个基准测试中优于现有的扩散模型和自回归基线。
本文介绍了一种基于文本的生成式楼层平面设计方法，该方法通过强化学习与可验证奖励对大语言模型进行微调，以提高对拓扑和数值约束的遵循程度，与现有方法相比取得了显著改进。