本文提出了一种新的概率编程语言，用于设计和分析感知系统，特别是基于机器学习的系统，在处理罕见事件、测试性能和调试故障方面能够发挥作用；我们将其称为 Scenic，并将其应用于自动驾驶汽车和机器人等系统中，以描述场景。

Sep, 2018

利用自然语言生成场景程序的 AI 系统 ScenarioNL，通过 Scenic 概率编程语言，能够清晰而简洁地表示关于 CPS 行为、属性和相互作用的不确定性和变化，并能生成语法正确和语义有意义的代码，基于加利福尼亚州过去五年的公开可用的自动驾驶车辆事故报告进行了系统评估。

May, 2024

使用 SCENIC 形式化场景语言对 Google Research Football 模拟器进行界面生成场景，以便在实时策略环境中训练强化学习代理并测试其概括能力。研究人员可以利用 SCENIC 将其领域知识整合到训练过程中以使其更快和更直观。

Jun, 2021

本文介绍了一种基于仿真的测试平台，支持用名为 Scenic 的概率编程语言进行情景建模，指定具有部分优先级排序的多目标评估指标，验证所提供的指标，以及进行可伸缩的测试。该平台包含 25 个 Scenic 程序库，并测试了行为预测模型并寻找失败情景。

Oct, 2021

通过利用概率编程技术以及组合多个模型，并在测试中反复交互，我们提出了一种基于语言模型层级结构的模型组合方法，以实现对复杂数据类型（如字符串）的快速学习和推理。

Jul, 2022

该研究论文介绍了一种名为 LCTGen 的模型，它结合了大型语言模型和基于变压器的解码器架构，利用语言作为动态交通场景生成的监督来源，其在无条件和条件下的交通场景生成方面表现优于之前的研究，并且在现实感和保真度方面更好。

Jul, 2023

提出了一种 CTG++ 基于学习的交通流模型，它可以通过语言指令进行指导，从而解决了交通模型控制需要领域专业知识，对实践者使用困难等问题，通过经过广泛的评估，我们展示了该方法在生成实际且符合查询要求的交通仿真方面的有效性。

Jun, 2023

本文介绍了 ProbZelus—— 第一种同步概率编程语言，其在控制软件中提供概率结构以建模不确定性，并进行推理，这使得它适用于设计反应式概率应用程序和高效的内存推理。

Aug, 2019

Paracosm 是一种编写自动驾驶系统测试场景的反应式语言，它允许用户以编程方式描述复杂的驾驶情况，并通过游戏引擎提供逼真的物理模拟和可视化呈现，深度神经网络提供自动驾驶系统实现的测试和建模功能，可以发现错误行为或性能下降。

Feb, 2019

本文综述了机器学习、编程语言和软件工程交叉领域的研究进展，重点介绍了利用代码中大量存在的模式提出可学习概率模型的方法，并提出了基于每个模型的基本设计原理的分类法，用于研究该领域的技术、应用等方面的具体问题、挑战和机遇。

Sep, 2017