文|ho侯神

编辑|ho侯神

“文内所有信息皆出自权威媒体”

现在科技的发展，求解器作为工业软件的核心计算引擎，在众多关键领域发挥着举足轻重的作用，它如同工业软件的“心脏”，驱动着芯片设计、工业调度、智能制造等领域的高效运行。

中科院软件所研究员蔡少伟带领的团队，在求解器与大模型结合的前沿领域深入探索，取得了一系列令人瞩目的成果。

工业软件的“心脏”

求解器，这个在工业领域至关重要却又鲜为人知的存在，其实是众多复杂系统背后的“大脑”，以布尔可满足性问题求解器为例，它在电子设计自动化领域堪称基石。

EDA软件作为芯片设计的关键工具，被誉为芯片产业的“命门”，而SAT求解器则是EDA软件的核心计算引擎，其重要性不言而喻。

在芯片设计过程中，工程师们需要处理海量的逻辑关系和约束条件，SAT求解器能够高效地判断这些逻辑关系是否成立，帮助工程师们优化设计、排查错误，从而确保芯片的性能和可靠性。

我国之前在这方面面临着诸多“卡脖子”问题，这些问题也是越来越明显。

蔡少伟团队敏锐地捕捉到这一挑战，毅然投身于求解器的研究与创新，致力于打破国外的技术垄断，为我国的工业软件装上“中国芯”。

开辟创新之路

近些年，大模型技术的兴起为各个领域带来了新的变革机遇，蔡少伟团队意识到，大模型强大的学习和推理能力，或许能为求解器的研发带来突破，于是，他们踏上了将大模型与求解器相结合的创新征程。

在研究过程中，团队面临着诸多难题，约束求解的工业实例规模庞大，大模型难以直接读取解析，求解器的更新迭代速度较慢，数据集稀缺，无法按照传统方式通过大量数据训练来构建合适的求解模型。

但团队成员并未退缩，他们积极探索轻量级的解决方案，如引入多Agent框架等，经过不懈努力，团队成功研发出基于大模型的SAT求解器。

该求解器在多个工业实例测试集上展现出了卓越的性能，相较于人类研发的传统求解器，其平均求解速度提升了50%，在多个工业实例集上超越了目前人类设计的最先进求解器。

这个成果是团队在关键技术上的多项创新，模块化求解器设计，是团队遵循修改函数简洁、代码中类变量共享信息、启发式探索中主动防错的原则，设计出了LLM-友好的求解器。

自动提示优化，则是通过采用无监督方法，增强了大模型输出的多样性，避免了人工设计的局限性。

预搜索策略是结合候选解剪枝和进化细化，引导大模型自动生成高性能求解器。

最后就是关键函数优化，利用大模型对重要函数代码进行修改，不断优化求解器的性能。

推动成果落地

蔡少伟团队的研究成果不仅在学术界引起了广泛关注，在工业界也得到了积极应用，2025年国际SAT比赛的主赛道冠军团队采用了蔡少伟团队的AutoSAT系列技术改进前沿求解器Kissat。

英伟达结合AlphaEvolve和蔡少伟团队AutoModSAT技术的优点，研发出求解器SATLUTION，并在SAT Competition 2025数据集上超越了2025年SAT冠军求解器。

这些案例充分证明了大模型在求解器优化方面的可行性和有效性，也为相关技术的进一步发展指明了方向。

为了更好地将研究成果转化为实际生产力，团队成员积极投身于产学研合作，他们创办了晞德求索公司，专注于求解器研发和数学技术服务，为工业软件公司提供专业支持。

现在公司正在不断完善求解器矩阵，其研发的基于大模型的自动数学建模工具SeedModeler在国际比赛中屡获佳绩，SAT求解器和运筹优化求解器等商业化产品也已投入使用，为众多著名企业提供了优质服务。

蔡少伟团队将继续深化研究，加大资源投入，探索在更复杂的求解器和更多约束求解问题上应用基于大模型的自动化框架。

相信在他们的努力下，求解器技术将不断取得新突破，为我国工业软件的发展乃至整个制造业的转型升级提供坚实支撑。

蔡少伟团队在大模型与求解器结合领域的探索，不仅为解决我国芯片“卡脖子”问题提供了有力支持，也为工业软件的发展开辟了新的道路。

他们的创新精神和实践成果，无疑为我国科技领域的自主创新注入了一剂强心针，值得我们持续关注和期待。