[论文解读] Limits of CDCL Learning via Merge Resolution

Marc Vinyals, Chunxiao Li+3 more|arXiv (Cornell University)|Jan 1, 2023

Natural Language Processing Techniques被引用 1

一句话总结

本文通过引入合并解析（MR）作为形式化模型来分析学习机制，研究了CDCL求解器的证明复杂性。证明表明，使用1-赋能学习（如1UIP）的CDCL求解器对解析的模拟最多存在线性开销，但该开销是紧的：存在某些公式，其解析证明为线性长度，而CDCL证明却需要二次方长度，揭示了CDCL性能中的一个根本性瓶颈。

ABSTRACT

In their seminal work, Atserias et al. and independently Pipatsrisawat and Darwiche in 2009 showed that CDCL solvers can simulate resolution proofs with polynomial overhead. However, previous work does not address the tightness of the simulation, i.e., the question of how large this overhead needs to be. In this paper, we address this question by focusing on an important property of proofs generated by CDCL solvers that employ standard learning schemes, namely that the derivation of a learned clause has at least one inference where a literal appears in both premises (aka, a merge literal). Specifically, we show that proofs of this kind can simulate resolution proofs with at most a linear overhead, but there also exist formulas where such overhead is necessary or, more precisely, that there exist formulas with resolution proofs of linear length that require quadratic CDCL proofs.

研究动机与目标

• 理解CDCL求解器对解析证明模拟的紧致性。
• 分析合并文字——即在解析步骤的两个前提中均出现的文字——在CDCL学习机制中的作用。
• 证明即使在理想化模型下，CDCL对解析模拟的多项式开销也是不可避免的。
• 形式化并分析合并解析（MR）的证明系统，作为CDCL学习的模型。

提出的方法

• 引入一种新的证明系统，称为合并解析（MR），以建模通过1-赋能子句学习的CDCL求解器。
• 定义了一类受限的解析形式，称为合并解析（MR），其中所有推理步骤均涉及两个前提中共同存在的一个文字（即“合并”）。
• 使用“1-赋能”概念，形式化学习子句必须能触发新的单位传播的性质。
• 构造了一类公式（F(3)m,n,ℓ），其解析证明长度为线性，但在合并解析中需要二次方长度的证明。
• 证明在仅使用W-公理的推导中，任何合并解析的推导都无法重用子句，原因在于此类推导中文字的非赋能性。
• 通过树形推导的归纳论证，表明合并解析最多存在线性开销，能够模拟解析。

实验结果

研究问题

• RQ1 CDCL求解器对解析证明的模拟是否仅存在线性开销，还是超线性开销不可避免？
• RQ2 合并文字——即在解析步骤的两个前提中均出现的文字——在CDCL学习效率中起什么作用？
• RQ3 CDCL对解析模拟的多项式开销是否是紧的，还是可以进一步减少？
• RQ4 1-赋能学习机制（如1UIP）是否在某些情况下必然导致证明长度的爆炸性增长？
• RQ5 合并解析能否捕捉CDCL学习的本质复杂性？如果是，它是否是最优的？

主要发现

• 存在一些解析证明长度为线性的公式，但在合并解析中需要二次方长度的证明，表明CDCL模拟中的开销是紧的。
• 使用1-赋能学习机制（如1UIP）的CDCL求解器能够以最多线性开销模拟解析，确认了上界。
• 合并解析的证明系统捕捉了CDCL求解器中的一个根本性瓶颈：学习子句中必须包含合并文字。
• 若推导仅依赖W-公理，则通过合并解析推导出的子句无法重用早期子句，原因在于此类推导中文字的非赋能性。
• 本文证明，即使在理想化模型下，CDCL对解析模拟的开销在一般情况下也是不可避免的。
• 结果表明，CDCL对解析的模拟在证明长度上并非最优，而合并解析为该复杂性提供了紧致的刻画。