연구진은 SE-RRM을 활용한 신경-심볼릭 접근 방식인 G-RRM을 제안했어요. G-RRM은 제약 조건 만족 문제를 해결하기 위해 SE-RRM과 심볼릭 솔버를 통합합니다.
G-RRM은 SE-RRM이 전체 해결책을 제안하고 backtracking, Glucose 4.1, CaDiCaL 3.0.0 같은 심볼릭 솔버를 안내하는 방식으로 작동해요.
실험 결과, G-RRM 가이드가 심볼릭 솔버의 탐색 효율성을 향상시키는 데 효과적이며, $9 imes9$ 스도쿠에서 backtracking은 최대 33.3배, Glucose 4.1은 1.70배 가속화됐어요.
CaDiCaL 3.0.0은 G-RRM 가이드로 인해 속도 향상이 없거나 오히려 느려지는 경향을 보였으며, 이는 솔버 아키텍처가 가이드 힌트를 동적으로 수정할 수 있는지 여부에 따라 달라요.