本文提出了伯克利填字游戏求解器，该系统使用神经问答模型生成填字谜面的答案候选，并将循环置信传播与本地搜索相结合，以找到完整的谜底解。与现有方法相比，我们的系统使得填字准确率从 71% 提高到 82%。此外，我们还分析了系统的剩余错误并发布了一个包含超过 600 万个问题答案对的数据集。
May, 2022
该研究提出将填字游戏作为新的自然语言理解任务，并公开发布了从纽约时报跨越 25 年的近九千个填字游戏的语料库规范，以及包含超过半百万个独特线索 - 答案对的开放域问答数据集，并探讨了多种处理方法及评价框架。
本研究通过扩展自动填字游戏求解器 WebCrow 2.0 到法语，采用多个模块从异构资源中检索候选答案，以应对缺乏大规模线索 - 答案数据的问题，并在两个挑战中将法国 WebCrow 的性能与人类进行了比较，结果证明其在速度和准确性方面超越了人类，从而证明了其在推广到新语言方面的能力。
Nov, 2023
本研究提出了一个自动生成以新闻为中心的填字游戏的框架，通过包含尽可能多的新闻相关单词，来增加人们对新闻的兴趣，并通过对原型的定性评估总结了当前问题和未来研究方向。这是首个提出将约束满足和优化问题的形式化应用于教育领域的建议。
Aug, 2023
本文研究基于 A * 算法和双目标搜索的两种解决方案，解决只有一个约束条件的成本最小路径规划问题，并研究在约束搜索中优先队列的重要性。实验证明，不带打结断的桶队列可以有效提高双目标搜索的算法性能。
Jul, 2022
该研究提出了一种基于整数规划和强化学习算法的统一框架 DCSAT，用于解决不同类型的布尔可满足性问题，包括 MaxSAT、Weighted MaxSAT、PMS 和 WPMS 等。通过调整目标函数系数，构建了统一的整数规划表示方法，并基于 0-1 整数规划构建了适当的强化学习模型。基于二叉树搜索结构，在 SAT 问题上应用了蒙特卡罗树搜索（MCTS）方法，证明了该方法能够基于维纳 - 欣钦大数定律找到所有最优的布尔赋值。实验证明，该方法能够剪枝不必要的搜索空间，找到问题的最优布尔赋值，同时为 SAT 问题的监督学习方法提供多样的标签。
Dec, 2023
使用大型语言模型解决填字游戏的挑战，展示了当前最先进的语言模型在解谜填字提示方面的显著能力，性能达到先前结果的 2-3 倍，还开发了基于这一性能的搜索算法，首次使用语言模型解决完整的填字方格问题，在纽约时报的填字游戏上实现了 93% 的准确率，研究表明语言模型与人类专家的性能差距更小。
Jun, 2024
本研究使用 MaxSAT 问题中的 SPB 约束和子句权重技术，提出了一种新的局部搜索算法 SPB-MaxSAT，为 MaxSAT 局部搜索求解器的子句权重方法提供了新的视角和优秀的性能。
Jan, 2024
介绍一种用几何模型来解决多约束条件优化问题的方法，并在布尔可满足性问题和球体堆积问题两个基准测试中说明了其有效性和竞争性。
Dec, 2007
本文提出对固定权重算法（ddfw）进行三个修改：动态权重转移方法，在局部最小值的子句之间移动权重；调整如何在局部最小值中选择满意的子句，以获得权重；加权随机选择变量翻转方法。在多个基准测试中，我们验证了我们对 ddfw 的改进，在硬组合实例方面表现良好，并以改进的求解器独家解决了 Ahmed 等人 (2014) 提出的两个 Van der Waerden 数的下界的猜想。
Mar, 2023