让很会聊天的人猜谜，他讲得头头是道；让不会聊天的人查表，一句废话没有，答案对。
这篇把活儿拆成两半。语言模型只管翻译，把斑马谜题里的实体和线索写成结构化工具调用，凑成一个精确覆盖实例；剩下交给叫 MiniExact 的求解器去算，方法本身叫 NeuralExactCover。算完有三种回执：无解，说明约束打架；多个解，说明条件给少了；唯一解才收工。前两种都要求翻译的那位至少改一条工具调用再交。谜题按规模从 S 排到 XXXL，小谜题上纯模型大多九成以上，尺寸一上去就塌，而 Logic.py 那类方法小谜题反而低些，掉得却慢。
论文留了两处没吹牛的地方，我一并记下：除 4B instruct 那一档，其余设置才都赢过神经符号基线；ZebraLogic 官方头名仍是 o3-mini 的 91.7% 谜题准确率与 95.7% 单元格准确率。求解器不会安慰人，只会说「你少给了一条」，这比一整页推理独白管用。
把「会不会推理」换成「翻译得对不对」，题目一下子就好做了。下一道该翻的，会是哪种日常语言？