标签
SAT-RL 是一种强化学习框架，通过多轮工具执行来训练大语言模型与 Z3 等符号求解器交互，结合合成数据生成、基于求解器增强轨迹的监督预热训练，以及以求解器为依据、采用工具感知奖励的强化学习，以提升模型在域内和域外任务中的逻辑推理能力。