本文通过在 terms 上创建一个 measure space，定义级别逐步逼近的连续 lambda-Calculus 的典型操作语义，并定义采样基异质的语义来实现 MCMC 的 Tracing，并证明了分布语义与集成所有 Traces 的分布具有等价性，这是第一个针对高阶函数语言 Trace MCMC 的验证正确性的证明。

Dec, 2015

本文研究表达丰富的概率编程语言（如 Anglican，Church 和 Venture），分析它们的语义基础，运用测度论、随机标记转移系统和函子范畴，定义操作语义和标称语义，并证明其存在性、充分性、终止性，采用其来验证编译器优化和推理算法的正确性，研究了高阶函数上概率分布的性质。

Jan, 2016

本篇研究论文提出一种牵涉到概率的编程语言，基于测度理论建立抽象语义学，实现贝叶斯推断、随机射线跟踪、以及浮点误差边界的概率验证

Dec, 2014

通过干预模拟程序的概念分析条件推理，我们将其扩展到概率仿真模型的情况，定义了条件语言中的概率并证明了其基本结果。同时，我们在该设置中发现了关于概率的线性不等式推理的公理化方法。我们证明了该逻辑的可满足性问题的正确性、完备性和 NP - 完全性。

Jul, 2018

本文介绍了一种新的表达条件概率的方式，利用了父亲背景的上下文无关性，提出了一种基于内部表现的算法。该算法可以更高效地利用在结构化信任网络中。

Jun, 2011

本文研究基于 Sato 分布语义的概率逻辑程序，分析了基于稳定和基于良基模型这两种语义，探讨了 credal 语义产生的概率模型集合是无限单调 Choquet 容量的结果产生的几个有用的结果，并研究了其推理和查询的复杂度。作者对此进行了详细说明，并对无环、分层、周期性的命题和关系程序，提出了推理和查询复杂度的结果，该复杂度达到各种计数层次和指数级别。

Jan, 2017

探讨了概率逻辑编程在统计关系人工智能中的具体应用及其在不同领域中的变化，解释了基于概率逻辑编程的统计关系表示随着变量域大小的复杂行为，揭示出抽象分布语义的必要性并给出了相应的具体证明。

Feb, 2021

本文为具有递归高阶类型、连续概率分布和软约束的语言提供了充分的指称语义，以建立计算统计和机器学习中使用的贝叶斯模型，其中包括类似于 Church 和 WebPPL 的无类型语言，因为我们的语义允许递归混合方差数据类型，并建立在 “拟 - 波雷尔代数” 之上，这些代数是链完整部分序列 (cpos) 和拟 - 波雷尔空间的混合。

Nov, 2018

我们研究了一个语法归纳问题的正式化，其将句子建模为由复合概率上下文无关文法生成。与传统的学习单一随机文法的方式不同，我们的文法的规则概率由每个句子的连续潜变量调制，这在传统上下文无关假设以外引出了边际依赖性。这种文法的推理通过折叠变分推理实现，在这种方法中，连续变量上放置平化的变分后验，并通过动态规划边际化潜在树。针对英语和中文的实验表明，与最近的最先进方法相比，我们的方法在无监督语法分析评估时非常有效。

Jun, 2019

介绍了赋予高阶函数和连续分布的概率编程语言的新概率论形式化 —— 拟 Borel 空间。展示了拟 Borel 空间可以替代标准可测空间、支持高阶函数、支持等式推理证明、同时支持连续概率分布，并将其运用于高阶函数与概率的理论证明。

Jan, 2017