标签
本文作为一项进展中研究，提出将可微物理模型嵌入PPO策略损失函数，以惩罚强化学习中预期的安全违规行为，并在模拟的单自由度直升机系统上进行评估。物理信息软正则化在保持可靠目标跟踪的同时，显著减少了约束违反。
本文介绍了一种神经符号方法G-RRM，它使用递归推理模型来引导符号求解器解决约束满足问题，在特定条件下显示出显著的加速效果。
Flow Reasoning Models (FRMs) 为离散流模型在结构化推理任务上引入了一个训练和测试时扩展框架。通过使用 self-verification 和 self-conditioning，FRMs 在 Sudoku 和 Zebra 谜题上达到了近乎100%的求解率，而所需的迭代次数远少于之前的基准模型。
FlowBender 是一个闭环框架，通过训练网络利用推理时反馈来纠正对齐误差，从而提升扩散模型和流模型中的约束满足能力，优于传统的监督方法和基于引导的方法。
提出REVES，一种两阶段迭代框架，交替进行数据增强与策略优化，通过利用中间修正步骤提升LLM推理能力，在编程基准测试和约束满足问题上取得更优性能。
提出DiBS，一种扩散模型引导的方法，用于精确数独求解器中的支路选择，在不牺牲完备性的情况下降低搜索代价，并有理论证明和在Royle 17线索基准上的实证结果支持。
本文提出了"约束增强物理搜索"原理：在探索过程中，时间相关性应与约束诱导的更新动力学中的空间相关性相匹配，并通过拔河赌博机模型加以验证。作者表明，高效搜索并非源于最大随机性，而是源于将时间相关性与将反馈转化为证据的物理更新尺度相匹配。
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。