sudoku

本文立场论文主张，对于约束满足问题的神经求解器，必须优先考虑符号集成以确保可证明的正确性，特别是在分布偏移下，并以数独为例。

引入了Simplax，一种精确的Dirichlet-类别增强方法，用于均匀离散扩散，可改善文本和数独任务中的反向采样和生成质量。

一位研究者的博客文章描述了他如何将约束模型转化为可玩的益智游戏，基于他关于将数独作为约束问题进行扩展的论文。文章分享了MiniZinc模型、一个包含434,201个数独实例的仓库，以及九个益智游戏的可玩版本。

本文提出了一种基于振荡神经网络（ONN）的数独求解器，通过将数独问题建模为图着色问题，在4x4和9x9数独上实现了高准确率。

本文提出了一种神经符号方法，将MaxSAT预言机作为一致性验证器，引导视觉语言模型（VLM）解决数独谜题，从而提高逻辑一致性和求解实例数量。

介绍能量引导递归模型（ERM），该模型利用Hopfield能量指导递归推理轨迹的选择，在数独、Pencil Puzzle Bench和迷宫任务上实现最先进性能。

本文提出了一种使用微波延迟线的2048自旋体声波伊辛机，实现了全连接，并解决了MAX-CUT、数字分割和数独问题，与最先进的相干伊辛机相比，具有更高的热稳定性和性能。

一位开发者创建了 Puzzle Lair，一个免费的逻辑谜题网站，提供数独、数墙、数织等多种谜题，无广告，一次性解锁全部目录。

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。

本文介绍了一种方法，通过在测试时添加高斯噪声并进行并行推理，使Tiny Recursive Models随机化，在不重新训练的情况下，在PPBench和Sudoku-Extreme上取得了显著的性能提升。

论文《Generative Recursive Reasoning》提出了一种方法，通过并行采样多个潜在推理轨迹来扩展测试时计算，使模型能够探索多样化的假设并避免确定性坍缩。该方法在数独、ARC AGI、N皇后和图形着色等任务上提升了性能，还可以从头生成有效的数独棋盘和MNIST数字。

本文证明，在数独求解轨迹上训练的Transformer构建了由领域约束组织的结构化世界模型，并识别出一个稀疏、单语义的电路，负责裸单决策规则。该工作为Transformer在组合任务上的推理提供了完全可解释的算法描述。

本文探讨了数独背后的数学原理，解释了如何将数独建模为图论中的顶点着色问题。文章详细阐述了如何利用贪心搜索和回溯等算法来解决这类结构。