使用 Laser 的表达性流推理
本文提出了一种分布式流推理方法,可以在不同解算器之间分配计算并通过数据流通信的方式高效地处理决策问题。在 LARS 语言中提出一种基于间隔的语义,以对网络流量进行显着降低,并在评估中明确表明,分布式流推理在处理复杂的决策问题和不断增长的数据率时明显优于现有的独立 LARS 解算器。
Jul, 2019
研究如何通过对临时流数据进行查询应答来研究与存在性规则推理的推理方法,提出了基于 LARS 的方法,该方法支持存在性规则,同时通过引入合适的时间无环性概念来保证规则的可决定性。
May, 2022
提出了一个结合了大型语言模型和逻辑编程 Answer Set Programming 的框架 STAR,通过在语言上提取知识并利用 ASP 进行规定驱动的推理,以提高针对需要推理的 NLU 任务的性能和可解释性。
Feb, 2023
本研究提出了一种基于逻辑规格说明的神经符号方法 LASER,通过其可有效地训练低级感知模型以提取符合所需高级规格说明的细粒度视频表示,不仅可以学习细粒度的视频语义,而且还可以优于现有基准在下游任务中表现得更好。
Apr, 2023
自动法律推理在智能合约和自动决策中的应用日益受到关注,然而伦理和法律问题使得自动推理器在人能理解的术语中进行理由指明变得必要。本文提出使用 s (CASP) 来建模不确定性和其他模糊概念,并实现了一个框架来模拟、推理和证实适用法规,并通过翻译和基准测试了一个代表性用例,即 “Comunidad de Madrid” 的学生录取标准。
Jan, 2024
这篇论文提出了使用 ASP 作为一个统一的形式化语言来解决需要定性推理和非定性推理的问题,提出了一族可以处理任何二进制关系资料的 ASP 编码,并且在真实数据集的实验中进行了评估。
Aug, 2020
介绍了一种名为 Ticker 的原型引擎,该引擎可对流数据进行逻辑推理,并通过提供灵活的过期控制和时间模态扩展了 Answer Set Programming。
Jul, 2017