提出了一种名为权重系统的统一框架，该框架消除了自动推理和知识表示中的语法差异，并解释了不同范例所提供的优化语句之间的异同，从而方便了翻译程序的开发和证明了不同框架的形式属性。

Jun, 2022

本篇论文重点针对模型导向人工智能的方法及其应用中 SAT 和 ASP 这两个系统的输入形式进行分析，特别是通过将输入形式重新制定和配置，优化推理过程。经过广泛领域内数据的实验证明，使用这种方法可以获得不同的优势。

Mar, 2022

本文介绍了 TPTP World 的最新扩展，提供用于非经典逻辑推理的语言和基础设施，并与现有 TPTP World 自由衔接

Feb, 2022

介绍了一种用于优化问题建模的增强智能系统，该系统使用控制生成技术生成优化问题的自动建议，并提供用户界面进行编辑和验证，该系统经过新创建的数据集的测试表明其有效性。

Sep, 2022

该论文介绍了约束逻辑编程和 Answer Set Programming 在混合领域的开发中的成功，以及 CASP 系统的困难之处，认为需要一个评估不同 CASP 方法集成方案的案例研究来解决这一问题。

Dec, 2013

本文研究了一种统一的框架方法用于解决一类混合整数优化问题，通过对其逻辑约束进行非线性方式的表达，结合规则化条件及基于混合精度算法，形成了凸二进制优化问题，并利用一种综合的数字策略方法解决问题。

Jul, 2019

本文介绍了关于 ASP 中程序重写的正式结果，并提供了 Projector 系统的正确性证明，它可以对程序进行自动重写来提高效率。

Jan, 2019

研究评估了使用数据增强、后处理和代码生成模型 CodeT5 合成数学程序的效果，通过应用线性规划规则来评分和纠正光束，该方法基于自然语言规范实现自动化建模。实验结果表明，在使用这些增强方法后，CodeT5 基础版本的执行准确率为 0.73，明显优于 ChatGPT 的零 - shot 执行准确率 0.41 和 Codex 的 0.36。

Mar, 2023

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

为了解决难题，人工智能依赖于逻辑、概率推理、机器学习和数学规划等学科，而现代表示方法很少为此提供支持。作者介绍了一种新的声明性编程框架，提供了著名问题的抽象，如 SAT，Bayesian 推理，生成模型和凸优化，并使用带有半环标签的一阶结构定义了程序的语义，从而允许自由组合和集成来自不同 AI 学科的问题。

Sep, 2016