本研究提出了一种新的多臂老虎机算法CYANEA，旨在解决大型语言模型在程序合成中的表现不均衡问题。该算法优化了符号求解器和提示选择，能够提高37.2%的查询解决率。

本论文介绍了SYRELM架构，通过符号求解器将自然语言算术问题转化为形式化语言描述，并通过策略梯度强化学习训练适应的LM，实现合理的算术推理。该方法在准确性上有显著改进，并易于诊断、解释和使用。