本文探讨了条件事件、三值逻辑、复合条件、概率演绎定理、进出口原则以及其在人工智能方面的相关工作。

Mar, 2023

本文介绍并探究了一个有关条件句的形式化方法，该方法可以定义一类广泛的推理系统。我们提出的语义适用于非满足与经典逻辑相关联的封闭性属性的条件句的结构性分析。

Feb, 2022

在三值逻辑的框架下，我们研究了条件的复合概率定理以及其他基本性质，在分析了多个三值逻辑的迭代条件的基础上，引入了满足复合预期定理和一些理想性质的迭代条件作为合适的随机量，并验证了两个推广版本的贝叶斯法则在迭代条件中的有效性，最后发现只有近期由 Gilio 和 Sanfilippo 在条件随机量的设置中开发的迭代条件才满足所有的基本性质。

Aug, 2023

探索大型语言模型（LLMs）在逻辑推理能力方面的表现，重点关注涉及条件句和认识模态的推理模式，并发现大部分模型在条件句方面存在基本错误，甚至最新的 GPT-4 在涉及认识模态的推理模式中也存在逻辑上的不一致判断。

Jan, 2024

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

本文通过介绍一个基于干预模拟程序的条件推理方法来形式化和涵盖 AI 领域内一些条件思维方法，提出了若干公理化结果，并确立了该满足性问题的 NP 完备性，与现有框架（正常性排序模型，因果结构方程模型）进行比较。 一些基本的逻辑原理在我们的因果模拟方法中被证明是无效的。 尽管如此，作者认为该方法对于建模某些直观的例子是很重要的。

May, 2018

该论文提出了一种基于非单调后果关系概念的非单调推理逻辑方法，并研究了 “理性” 关系的更受限类别， 并定义和论述了条件知识库及其闭包操作，证明了其累积属性和可计算性。

Feb, 2002

给定一个条件句 P=>Q（如果 P 则 Q）和相应的事实，观察到人类推理中的四种不同类型的推断：肯定前提（AA）从 P 推出 Q；肯定结论（AC）从 Q 推出 P；否定前提（DA）从 - P 推出 - Q；否定结论（DC）从 - Q 推出 - P。其中，AA 和 DC 在逻辑上是有效的，而 AC 和 DA 在逻辑上是无效的且通常被称为逻辑谬误。然而，人类在日常生活中通常会进行 AC 或 DA 作为实用推理。在本文中，我们在答案集编程中实现了 AC、DA 和 DC 推理。我们引入了八种不同类型的完整性，并通过答案集给出它们的语义。我们研究了形式属性，并对认知心理学中的人类推理任务进行了表征。这些完整性也应用于人工智能中的常识推理。

Nov, 2023

提出了一种新的基于概率论和证明论的处理量化模态逻辑 (一阶模态逻辑) 不确定性的系统，通过解决归纳处置的问题，使 Chisholm 的理论得到具体实现，可用于交互式系统，用于解释其不确定性提供合理解释。

May, 2017

通过定义和说明，本文提出了一种新的解决方案来代表非概率性信念状态，并将其与概率理论进行比较，发现新理论在结构上类似于概率理论，但更容易实现，并且在某些方面更为简单。

Mar, 2013