用途
scienceclaw-benchmark-for49 用于处理 SMT-LIB v2 脚本的可满足性判定任务，主要面向无量词非线性整数或整数-实数算术（QF_NIA / QF_NIRA），风格接近 SMT-COMP 的单查询脚本。
任务形式
输入是一组 SMT-LIB 脚本，脚本中的注释和 set-info 元数据已被移除；此外可选地提供一些带状态标签的示例脚本。
交付物是一个字符串列表，长度与顺序必须与输入脚本一致，每个元素为 sat、unsat 或 unknown。
质量评估
准确率定义为标签与参考状态一致的比例。unknown 永远不计为一致；错误的确定答案（sat 与 unsat 判断相反）被视为最差结果。因此需要分别报告正确、错误确定答案与 unknown 的数量。一个基线做法是：对每个脚本都使用带标签示例中的多数状态。
工具
- scilib.logic.solve_all(queries, threads=2, timeout_s=10, rlimit=None, memory_mb=2048, params=None) 与 check(query, ...)：基于 Z3 Python API，每个查询使用独立上下文；每个结果包含 status、reason（timeout、resource limit、out of memory，或 error: ... 表示脚本或参数被拒绝）以及 seconds。对应的类型化算子为 smt_satisfiability_batch。
- scilib.logic.decide(queries, train_status=None, fallback=None, budget_s=240, threads=2, first_rlimit=16_000_000, first_timeout_s=8, factor=4, max_rounds=4)：在单个墙钟预算内，对仍未判定的查询进行逐轮升级（rlimit 与墙钟限制按 factor 增长），返回 labels、status、stage、reason、n_decided。对应算子为 smt_escalating_decide。使用该工具时，节点自身的时间限制必须大于 budget_s。
需要 z3-solver 包（可用 scienceclaw_tools(operation=show, target=logic) 检查）；无预训练权重。内存上限是进程级的，由并行线程共享。
使用方式
按任务允许的预算运行 decide（线程数可设为 CPU 核心数），或者先用较短限制运行 solve_all，再对未判定的脚本用更大限制重跑。
Z3 给出的 sat 或 unsat 是最终结果，不得用启发式方法覆盖。reason 以 error: 开头表示参数错误或语法不受支持，而不是困难实例：应修复后重跑，而不是猜测。
对于仍未判定的脚本，报告 unknown；如果按一致性评分，可使用 fallback="majority" 配合 train_status，并明确说明这些标签是猜测而非求解器答案。
规则
- 如果脚本中仍残留 :status 注解，不要读取它；那是标签。
- 只求解被断言的公式（解析器忽略 check-sat 与 set-info）；set-logic 保持原样。
- 输出长度、顺序与标签词汇必须严格符合要求。
适用场景与限制
适用于 QF_NIA / QF_NIRA 的 SMT 可满足性批量判定与基准评测。限制包括：需要 z3-solver 包；内存上限为进程级共享；decide 的节点时间限制必须大于 budget_s；错误确定答案代价最高；unknown 不计为一致。