🤖 AI

Modal CEGAR-tableaux with RECAR and resolution-based SAT-shortcuts

Dit artikel presenteert CEGARBox++, een C++ implementatie die modale resolutie (KSP) integreert als SAT-shortcuts in CEGAR-tableaux, waarbij een superieure prestatie wordt aangetoond ten opzichte van zowel standalone KSP als RECAR-verbeterde CEGAR-tableaux, met name bij grote bevredigbare modale problemen.

Oorspronkelijke auteurs: Rajeev Goré (Faculty of Information Technology, Monash University, Australia), Cormac Kikkert (Cormac Kikkert Research)

Gepubliceerd 2026-07-01

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Rajeev Goré (Faculty of Information Technology, Monash University, Australia), Cormac Kikkert (Cormac Kikkert Research)

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een detective bent die een complex mysterie probeert op te lossen: is een specifieke logische puzzel oplosbaar, of is het een tegenstrijdigheid? In de wereld van de informatica wordt dit "modale verzadigbaarheid" genoemd. De puzzel houdt regels in over wat moet gebeuren, wat zou kunnen gebeuren, en hoe verschillende scenario's met elkaar verbonden zijn.

Lange tijd gebruikten detectives (computeralgoritmen) drie verschillende, concurrerende toolkits om deze puzzels op te lossen:

SAT-Solvers: Geweldig in het controleren of een eenvoudige lijst met feiten bij elkaar past.
Tableaux: Een methode die een "boom" van mogelijkheden bouwt, waarbij zijtakken worden uitgezet om te zien of er een geldig verhaal verteld kan worden.
Resolution: Een methode die agressief regels combineert om tegenstrijdigheden te vinden, als een bulldozer die een pad vrijmaakt.

De auteurs van dit artikel, Rajeev Goré en Cormac Kikkert, wilden een "Super Detective" bouwen die de beste delen van al deze drie toolkits kon gebruiken. Ze creëerden een systeem genaamd CEGARBox++ en testten twee nieuwe manieren om het sneller te maken.

Het Probleem: De "Model Building" Valstrik

Hun oorspronkelijke detective, CEGARBox, was al erg goed in het oplossen van "onoplosbare" puzzels (bewijzen dat een verhaal een leugen is). Echter, het had moeite met "oplosbare" puzzels (bewijzen dat een verhaal waar is).

Waarom? Omdat om te bewijzen dat een verhaal waar is, CEGARBox het volledige verhaal vanaf nul moest opbouwen.

De Analogie: Stel je voor dat je probeert te bewijzen dat een doolhof een uitgang heeft. CEGARBox zou proberen elke mogelijke route door het doolhof te tekenen. Als het doolhof enorm is en veel vertakkingen heeft, duurt het tekenen van het plaatje eeuwig lang, en loopt de detective door de tijd op (een "timeout") voordat de tekening af is, zelfs als de uitgang wel bestaat.

Ze hadden een manier nodig om te zeggen: "We hoeven niet het hele doolhof te tekenen; we moeten alleen weten dat er een uitgang bestaat." Dit wordt een ESAT-shortcut genoemd.

Poging 1: De "Optimistische Architect" (RECAR)

De eerste nieuwe aanpak die ze probeerden, heette RECAR.

De Analogie: Deze aanpak is als een optimistische architect die zegt: "In plaats van twee aparte kamers te bouwen voor twee verschillende ideeën, laten we proberen één grote kamer te bouwen die voor beide past." Als het werkt, besparen we ruimte. Als het mislukt, splitsen we ze weer uit elkaar en proberen we het opnieuw.
Het Resultaat: De auteurs ontdekten dat dit niet goed werkte. De "optimisme" leidde vaak tot verspilde inspanning. Het systeem besteedde te veel tijd aan het proberen samen te voegen van zaken, om er later pas achter te komen dat ze niet bij elkaar pasten, waarna het proces opnieuw moest beginnen. Het was trager dan de oorspronkelijke methode.

Poging 2: De "Bulldozer Oracle" (KSP)

De tweede aanpak was een totale gamechanger. Ze werkten samen met een andere, zeer agressieve detective genaamd KSP (een op Resolution gebaseerde solver).

De Analogie: Stel je voor dat CEGARBox een huis bouwt, kamer voor kamer. KSP is een bulldozer die voorop loopt, door muren heen ramt en de fundering van de gehele buurt tegelijkertijd controleert.
Hoe ze samenwerkten:
1. CEGARBox begint met het bouwen van het huis (het logische model).
2. KSP draait parallel, en controleert agressief of de regels van het huis consistent zijn.
3. Het Magische Moment: Als KSP een sectie heeft gecontroleerd en zegt: "Deze sectie is solide; geen tegenstrijdigheden gevonden," stuurt het een signaal terug naar CEGARBox.
4. CEGARBox hoort dit en zegt: "Geweldig! Ik hoef de rest van deze kamer niet te bouwen. Ik weet dat er hier een geldig huis bestaat." Het slaat het zware werk over en gaat verder.
Het Resultaat: Dit was een enorm succes. Door de "bulldozer" (KSP) het zware werk van het controleren van consistentie te laten doen, kon CEGARBox de dure stap van het bouwen van enorme modellen overslaan. Op grote, oplosbare puzzels was dit nieuwe team (CEGARBox++(KSP)) veel sneller dan welke detective dan ook die alleen werkte.

Het Grote Plaatje

Het artikel beweert dat dit de eerste keer is dat deze drie verschillende methoden (SAT, Tableaux en Resolution) succesvol zijn gecombineerd in één systeem dat beter presteert dan elk van hen alleen.

De Oude Manier: Je moest een detective kiezen op basis van het type puzzel. Als het een "nee"-puzzel was, kies je CEGARBox. Als het een "ja"-puzzel was, kies je KSP.
De Nieuwe Manier: Het nieuwe hybride systeem is een "Zwitsers zakmes" detective. Het gebruikt het zorgvuldige, stap-voor-stap bouwen van CEGARBox voor complexe onoplosbare puzzels, maar gebruikt de snelle, agressieve controle van KSP om oplosbare puzzels direct te bevestigen zonder het hele ding te hoeven bouwen.

Het Nadeel

De auteurs geven toe dat hun huidige versie niet perfect is. Omdat de twee detectives met elkaar communiceren door aantekeningen naar bestanden te schrijven (zoals briefjes doorgeven in een klaslokaal), is er een vertraging. Ook creëert de "bulldozer" (KSP) soms te veel papierwerk (clausules) voor zeer grote, complexe puzzels, wat de boel vertraagt.

Echter, de kern van het idee — het gebruiken van één methode om "fixpoints" (veilige zones) te detecteren, zodat de andere methode geen tijd verspilt aan het bouwen ervan — is een doorbraak. Het bewijst dat het combineren van deze verschillende logische strategieën een supertool creëert die groter is dan de som der delen.

Technische Samenvatting: Modale CEGAR-tableaux met RECAR en Resolution-gebaseerde SAT-shortcuts

Probleemstelling

Het artikel behandelt de uitdaging om efficiënt de bevredigbaarheid te bepalen in multi-modale logica $K_n$ (ook wel bekend als ALC). Hoewel Counter-Example Guided Abstraction Refinement (CEGAR) tableaux zeer effectief zijn gebleken voor onbevredigbare problemen en veel bevredigbare problemen, hebben ze moeite met grote bevredigbare instanties. Specifiek presteerde de eerdere implementatie van de auteurs, CEGARBox, beter dan andere solvers op de standaard benchmarks, maar verloor van de modale resolution-prover KSP op de MQBF benchmark-set. Het kernprobleem dat is geïdentificeerd, is dat CEGAR-tableaux expliciet bevredigende modellen construeren; voor problemen met een hoge vertakkingsfactor kan dit leiden tot de generatie van exponentieel grote modellen, wat tot timeouts leidt. In tegen tegenstelling tot resolution-gebaseerde methoden (zoals KSP), die de bevredigbaarheid kunnen bepalen via saturatie zonder expliciet een volledig model te bouwen, missen CEGAR-tableaux een effectieve "ESAT-shortcut" (een mechanisme om bevredigbaarheid snel te bevestigen zonder volledige modelconstructie).

Methodologie

De auteurs onderzoeken twee verschillende benaderingen voor het integreren van ESAT-shortcuts in CEGAR-tableaux, geïmplementeerd in een nieuw C++ systeem genaamd CEGARBox++. Beide benaderingen maken gebruik van een Trie-datastructuur om modale clausules op te slaan in Separated Modal Clausal Normal Form (SNFmc).

1. De RECAR-benadering (RECARTAB)

Deze methode past het RECAR (Recursive Explore and Check Abstraction Refinement) framework aan, oorspronkelijk voorgesteld door Lagniez et al. voor algemene CEGAR.

Mechanisme: In plaats van voor elke afgevuurde diamant-clausule een apart wereld te creëren (wat leidt tot exponentiële vertakking), probeert RECARTAB meerdere diamant-clausules te groeperen in één enkele opvolgende wereld met behulp van een overschatting. Het annoteert diamant-clausules met labels en probeert een conjunctie van hun doelwitten in één wereld te bevredigen.
Verfijning: Als er een conflict optreedt waarbij meerdere diamanten betrokken zijn, scheidt het algoritme deze door nieuwe labels toe te wijzen en start het de zoektocht opnieuw.
Doel: Om een kleiner model (minder werelden) te vinden dan de standaard CEGAR-aanpak, om zo de exponentiële explosie in wereldgeneratie te vermijden.

2. De Resolution-gebaseerde Oracle-benadering (CEGARBox++(KSP))

Deze innovatieve benadering integreert de modale resolution theorem prover KSP als een oracle om "fixpunten" te detecteren in de CEGAR-zoektocht.

Mechanisme: Het systeem draait CEGARBox++ en KSP parallel (multithreading). KSP werkt op een lineaire Trie (SNFml) en voert resolution uit van de diepste modale laag naar de wortel.
Fixpuntdetectie: Wanneer KSP een specifieke modale laag $l$ volledig verzadigt ten opzichte van laag $l+1$ , geeft het geleerde klassieke clausules uit. CEGARBox++ importeert deze clausules. Als een laag verzadigd is (een "fixpunt" is bereikt), concludeert CEGARBox++ dat verdere verfijning (het leren van nieuwe clausules) voor die laag niet meer mogelijk is.
Shortcut: Bij detectie van een fixpunt slaat CEGARBox++ het kostbare proces van het genereren van opvolgende werelden (de "jump" regel) voor die laag over en geeft direct Satisfiable terug, uitgaande van het lemma dat als de onderbenadering een fixpunt is, de volledige modale formule bevredigbaar is.

Belangrijkste Bijdragen

Implementatie van CEGARBox++: Een nieuwe C++ implementatie van CEGAR-tableaux die dient als baseline voor de experimenten.
RECARTAB Algoritme: Een sound en complete uitbreiding van CEGAR-tableaux die RECAR-stijl ESAT-shortcuts incorporeert om model-minimalisatie te proberen.
CEGARBox++(KSP) Integratie: De eerste effectieve integratie van SAT, tableaux en resolution methoden voor modale bevredigbaarheid. Het gebruikt KSP niet alleen als een portfolio-partner, maar als een intern oracle om fixpunten te detecteren en vroege terminatie voor bevredigbare problemen te triggeren.
Theoretische Analyse: Formele bewijzen van soundness, volledigheid en terminatie voor zowel de RECAR-gebaseerde als de Resolution-gebaseerde benaderingen.

Experimentele Resultaten

De auteurs evalueerden hun benaderingen op de standaard K-benchmarks (LWB-K, 3CNF en MQBF) met behulp van een Intel i7-11700F CPU.

RECAR Prestaties: De RECARTAB (RECARBox) benadering werd gevonden als niet competitief. Het presteerde over het algemeen slechter dan de standaard CEGARBox++. De auteurs schrijven dit toe aan de overhead van het zoeken naar kleinere modellen; als een kleiner model niet bestaat of moeilijk te vinden is, wordt de extra berekening verspild.
Resolution-gebaseerde Prestaties: CEGARBox++(KSP) toonde superieure prestaties:
- Het presteerde aanzienlijk beter dan zowel de standalone CEGARBox++ als de standalone KSP op de MQBF benchmarks (die gedomineerd worden door bevredigbare problemen).
- Het behaalde versnellingen van wel 100x op bepaalde bevredigbare instanties vergeleken met KSP alleen.
- Op de 3CNF benchmarks presteerde het gelijkwaardig aan CEGARBox++.
- Op de LWB-K benchmarks werd het licht overtroffen door CEGARBox++ alleen, waarschijnlijk door de overhead van de normal form generatie van KSP die meer clausules produceert voor massieve formules.
Synergie vs. Parallelisme: De auteursen sloten de mogelijkheid uit dat de prestatiewinst enkel te danken was aan parallelisme (het verdubbelen van middelen). CEGARBox++(KSP) loste bevredigbare problemen op die KSP alleen niet kon oplossen, wat bewijst dat de CEGAR-component actief bijdroeg aan de oplossing door de resolution-prover de nodige context te bieden of door de zoekruimte te verkleinen via fixpuntdetectie.

Betekenis en Claims

Het artikel claimt dat CEGARBox++(K-KSP) de eerste effectieve integratie is van SAT, tableaux en resolution methoden voor modale bevredigbaarheid die beter presteert dan de individuele componenten.

Beperkingen Overwinnen: Het werk adresseert de fundamentele zwakte van CEGAR-tableaux bij het afhandelen van grote bevredigbare problemen door een mechanisme te introduceren dat detecteert wanneer een model bestaat zonder het expliciet te construeren.
Complementaire Sterktes: De resultaten benadrukken dat hoewel SAT-gebaseerde, tableaux-gebaseerde en resolution-gebaseerde solvers traditioneel concurrerende methoden zijn met verschillende sterktes (bijv. tableaux voor onbevredigbaar, resolution voor bevredigbaar), hun integratie een solver kan opleveren die "groter is dan de som der delen".
Toekomstperspectief: De auteurs merken bescheiden op dat hun huidige implementatie naïef is (gebruik van file I/O voor communicatie en de specifieke normal form van KSP). Ze suggereren dat een meer gepolijste integratie, mogelijk gebruikmakend van de eigen normal form generatie van CEGAR en betere communicatieprotocollen, deze hybride benadering in staat zou kunnen stellen om bestaande solvers over alle benchmark-sets te overtreffen, inclusief de LWB-K benchmarks waar het momenteel licht achterblijft.

Het artikel concludeert dat hoewel de RECAR-benadering niet succesvol was in deze context, de fixpuntdetectiestrategie met behulp van een resolution oracle een veelbelovende richting is voor recursieve CEGAR-algoritmen, met name die met vertakking.