答集程式設計 (ASP)

深度分析

將 LLM 應用於自動化 streamliner：對 ASP（Clingo）編碼的約束生成與驗證

答集程式設計面臨編碼敏感與龐大搜尋空間問題。本研究讓多款大型語言模型為既有ASP編碼自動生成streamliner約束，並以訓練實例篩選語法錯誤或使實例不相容的候選。結果在三個競賽基準上，虛擬最佳編碼帶來數倍速度提升。不同模型產生的約束具有語意多樣性，非僅語法變體。