Sep, 2016

响应式多上下文系统：动态环境中的异构推理

PDF
TL;DR本文介绍了一种名为 “反应性多语境系统” 的框架，它能够支持异构知识源和数据流的连续推理，解决了异构知识可能导致的一致性问题，并允许使用优化的计算语义以避免潜在的非确定性。同时考察了与 rMCSs 相关的各种推理问题的计算复杂度，并探讨了其与知识表示和流推理中的动态性相关的方法扩展性和一般化。
发现论文，激发创造
  • 动态环境中的反应推理多层次系统

    本文介绍了如何将管理的多上下文系统转化为连续推理适用于动态环境的反应式形式，并讨论了在在线推理中可能出现的问题，如处理传感器输入、选择性集成知识以及控制上下文的推理努力等，并探讨了一些与此相关的决策问题的复杂度和可选设计方案。

    May, 2015

  • CSM-H-R：一种适用于互操作智能系统和隐私保护的自动上下文推理框架

    智能系统中，面向规模的高水平背景（HLC）推理的自动化非常重要，提出了一个自动背景推理框架 CSM-H-R，可以动态地组合本体和状态，并通过矩阵计算实现 HLC 的自动识别，以实现智能系统的集成。

    Aug, 2023

  • 使用 ASP 进行异步多上下文系统的流打包

    提出了一种基于答案集编程的声明性方法，用于多个数据流和一个处理单元之间的接口，以协调输入数据，满足输入规范，并创建适合后续处理的数据包，适用于异步多上下文系统。

    Nov, 2016

  • 情境生成的上下文推理（技术报告）

    本文介绍了如何将 MR-CKR 理论应用于自主车辆场景数据的生成，包括基于多维数据的语义引导数据生成，并介绍了 MR-CKR 和代数度量的组合框架的证明性概念原型。

    May, 2023

  • 实时感知遇上反应式动作生成

    研究了机器人在存在不确定性情况下的抓取和操纵问题，提出了连续实时感知和反应运动生成方法在动态操纵场景中的重要性，并比较了三种不同的系统架构。通过在真实机器人平台上进行四个场景的广泛评估，量化了反应运动生成系统中不同时间尺度实时反馈融合的鲁棒性和准确性，并报告了系统建设中的经验教训。

    Mar, 2017

  • 可微的开放式常识推理

    提出 DrFact 模型作为 OpenCSR 的一种有效途径，在常识推理基准测试中表现良好，突破了多选题限制的限制，实现对无预定义问题的回答。

    Oct, 2020

  • 通过多个协作推理的方式增强人类中心动态场景理解

    人类中心的动态场景理解在增强机器人和自主系统能力中发挥关键作用，而基于视频的人物 - 物体交互检测是语义场景理解的关键任务之一，本研究提出了一种新颖的基于多语言模型协作推理的视频人物 - 物体交互检测框架，通过从多个角度进行推理，提高了基础模型的预测准确性。

    Mar, 2024

  • 在部分可观察环境中，结合元政策和蒙特卡罗规划实现可扩展的基于类型的推理

    提出了一种基于类型推理的部分可观测元蒙特卡罗规划方法，在多智能体系统中实现对其他智能体的有效交互和长期规划，相比现有方法计算更快且能够得到更优解。

    Jun, 2023

  • 多重思维链元推理问答

    本研究通过 Multi-Chain Reasoning 方法，使用大型语言模型针对多个 chain-of-thought 进行 meta-reasoning，提高多跳问答的性能，并生成高质量的解释，结论基于七个多跳 QA 数据集上的测试表现优异。

    Apr, 2023

  • 基于强化学习的流推理缓存策略管理

    本文提出了一种基于冲突驱动约束学习（CDCL）的方法，通过智能管理学习到的约束条件来有效地更新流推理算法的遗留解决方案，研究了强化学习在连续评估先前计算的约束条件的实用性，并在真实世界的重构问题上取得了显着的性能提升，为流推理场景提供了新的解决思路。

    Aug, 2020