本文提出了一种高度可表达的有限置信逻辑，可以进行可计算的推理，在一阶逻辑上保持可判定性，在命题逻辑上保持可操作性，并引入一种采用此逻辑作为表示语言的推理系统，该系统展示了有限置信的好处。
May, 2017
本文通过利用语言中常量的对称性，将隐式可学习性推广，提出了一种在第一阶逻辑中进行强健学习的新理论方法。
Jun, 2019
DBEL 是 S5 的扩展，用来模拟深度有限的代理人进行关于知识公式的推理，同时添加了深度原子 Ead 和 Pad，扩展了公开声明逻辑的公理，解决了遗忘和知识泄漏等问题，并用这些逻辑来解决经典的泥泞孩子问题。
Jul, 2023
本文提出了一种基于动态认知逻辑 (DEL) 的新型算法，该算法限制了规划代理的推理深度为一个上界 b，以模态深度 b 为最多的高阶知识进行推理。算法利用了一种新型的 b-bisimulation 收缩确保了最小模型的唯一性。我们证明了深度有界规划算法是正确的。此外，我们证明了在推理深度的限制 b 内具有解决方案的规划任务的完备性（因此按照标准定义的迭代界限增加变体是完备的）。在推理深度的限制 b 下，该算法被证明是 (b + 1)-EXPTIME 完全，同时在代理和原子的数量上是固定参数可处理的。我们提供了算法的树搜索和图搜索变体，并将树搜索版本的实现与基准认知规划器进行了基准测试。
Jun, 2024
讨论在计算能力不足时使用替代逼近过程和启发式方法以及使用用户效用结构对推理进行量身定制来平衡部分结果的成本和收益的应用决策理论来解决困难问题的解决方案。
Mar, 2013
本文旨在重新关注定量认识逻辑，特别是它在表达 “是否知道”、“知道什么” 和 “知道如何” 等知识时的应用，并提出了一个新的无量词方法来研究它，以平衡表达能力和复杂性，并捕捉关于知识的基本推理模式。
May, 2016
此文介绍了使用多智能体认知逻辑演示 PAC 学习的技术基础，涉及逻辑和弱推理，以提供强大的模型理论框架来回答查询，并研究了该算法的正确性、样本复杂性以及其能够高效的情况，利用表述定理将模态推理纳入命题推理中。
Jun, 2023
本文研究不确定性理论中的可能性理论、信念函数和不精确概率与模态逻辑之间的二元性质，提出了一种基于最小认知逻辑和波兰式逻辑的简化信念函数逻辑，并且给出了使用 Shafer 基本概率分配的语义。
Mar, 2023
研究了公开观察逻辑的各个部分的满意度问题的计算复杂性及其与公开公告逻辑的紧密联系。
本文介绍了一种新的逻辑系统，它将经典认知领域中的相信和知识概念与一个概念证据相结合，从而满足了直觉原则 ` 证据导致相信和知识 '；该文的方法则是将这个新系统与内部真实性的 $S5$ 风格原理相结合，产生了一个模态系统 S5 和预示依存性的结合逻辑，使用直接的命题形式来模拟置信和知识。
Apr, 2023