该论文针对多智能体控制问题提出了分层方法，其中包括三个阶段：计算系统的高级计划、通过 SMT 公式处理组合问题，以及使用强化学习获得神经网络控制策略，由于其正确性具有构建性，但缺乏实时执行功能，因此使用 SWA-SMT 解决方案作为最后阶段的初始训练数据集
Jul, 2023
本文提出了一种基于 MAX-SAT 框架的方法，用于自动学习规划系统的领域模型，通过输入一组含有无序动作和噪声的计划迹线来输出最佳的动作模型，并通过系统实证评估证明了该方法的有效性
Aug, 2019
本文介绍一种用于程序自动合成的方法，通过结合模式识别和显式推理来解决这些复杂的编程问题，同时使用新颖的中间表示和训练算法，使程序合成系统能够自学，从而在简单的英文描述编程问题数据集上取得了最先进的性能表现。
Feb, 2019
介绍了一种通用方法，用于合成给定离散系统状态转换的程序化模型。
通过学习状态轨迹开始，本文探索了在未提供学习动作参数时的学习情况，定义了两个追踪质量级别，并提出了相应的算法。实验评估表明，提出的算法相对于现有的学习工具 FAMA，速度更快，可以处理更大的输入，并提供更接近参考模型的学习动作模型。
Feb, 2024
本文探讨黑盒系统建模中使用有限状态自动机和线性时态逻辑公式的方法，通过正例学习建立有意义的、最小化的模型。作者提出了符号方法和反例引导方法两种学习方式，并在合成数据上进行评估。
Sep, 2022
本文研究了如何通过调整超参数，同时保持高学习效能，利用名称为 Tsetlin 的机器学习算法进行能源节约人工智能硬件设计的方法，并使用可达性和博弈理论分析来展示可解释性。研究提供了有关在这种新型人工智能硬件架构中涉及的节能和可解释性决策模型的矛盾设计折衷的第一手资料。通过在随机强化之间进行节俭的资源配置，可以在取得稳健和可解释的学习的同时提供决定性的节能。
May, 2023
提出一个计算高效的数据驱动式混合自动机建模方法，基于多个神经网络来捕捉未知复杂系统的行为，并且采用区间分析和分裂合并过程来提供集值可达性分析，以减少可达集计算的计算成本同时不影响建模精度。
Apr, 2023
通过深度和精细的方式，结合源代码序列模式和图模式的相互作用，自动预测高级综合设计的质量，并在设计空间探索任务中获得显著性能改进。
Jun, 2024
分析人类行为在不同环境中具有优势，理解和描述人类行为有助于改进和优化基础设施和用户界面。本文通过使用一阶马尔可夫链捕捉行为的数学特征，提出使用自回归语言模型分析整个序列的方法，以建模高阶序列依赖，解决现有方法中丧失信息和局限性的问题，并在合成和真实数据集上评估了该方法的有效性。
Oct, 2023