연구진은 시각-언어 모델(VLM)의 스도쿠 해결 능력 향상을 위해 MaxSAT 오라클을 활용한 신경-기호 접근 방식을 제안했어요. 이 방식은 VLM이 생성한 후보 placements를 MaxSAT 공식의 soft clause로 인코딩하여 논리적 일관성을 검증하고 개선해요.
MaxSAT 솔버는 불일치가 발생했을 때 최대 일관성 있는 assignments 집합을 찾아 VLM에 텍스트 및 시각 피드백으로 제공하여 다음 단계의 개선을 유도해요.
연구 결과, MaxSAT 기반 피드백은 VLM의 논리적 일관성을 높이고 스도쿠 해결 성공률을 향상시켰으며, 특히 전체 보드 개선 모드에서 효과적이었어요.