本文提出了一种在现有 ASP 求解器基础之上通过应用机器学习方法，通过识别 ASP 程序的一组易于计算的句法特征，并对这些实例上的性能表现进行归纳学习算法选择策略，从而能够比第三届 ASP 竞赛的任何求解器都更有效地解决实例。

Jun, 2013

人工智能的可解释性越来越受到关注，本研究试图填补 Answer-set Programming 中的解释支持的空白，并通过扩展语言支持和开发新的解释形式（如对比解释）来推进可解释 ASP 的研究。

Aug, 2023

该研究论文介绍了一种将 Answer Set Programming（ASP）的知识表示和推理能力整合到通用应用程序中的框架，并且展示了在不同平台的 ASP 系统中，特定化该框架的正确方法，包括移动平台和教育场景，并开发了几个基于 ASP 的应用程序。

Jul, 2017

本文介绍了一种应答集编程的方法论，该方法可以促进易于理解且可以证明正确的编码方案的设计。通过向正在形成的程序追加一个规则或一小组规则，并在其中包含一条陈述已经 “实现” 的注释，使我们能够以数学上精确的方式描述程序设计的细节。

Aug, 2016

本篇论文研究了 ASP 的形式验证问题，通过使用基于 ASP 模块的形式化规范语言，将 ASP 模块与问题实例正确地相对应，从而证明了逻辑程序 P 的正确性，这种模块化的规范语言包含了可能嵌套的一阶程序模块，可以在不同层次上包含本地隐藏原子。

Aug, 2020

该论文为对 ASP 的解释性研究做出了概述。主要关注 ASP 的不同解释方式及其异同，并探讨其在未来的成功应用中的重要性。

Sep, 2018

该研究提出了一种新的优化方法，基于树分解技术和启发式算法，可以将一个输入的逻辑程序转化为一个等价的程序以提高 ASP 系统的求解效率，并在实验中验证了其有效性。

Dec, 2018

本文介绍了如何使用 ASP 建立心理学领域的知识形式化，以更加准确的研究、比较和验证理论。作者应用 ASP 技术，对短期记忆机制进行了形式化描述，进而预测用户与图形界面的交互。

Jul, 2010

提出了一种新的 ASP 程序调试方法，该方法基于非基础程序中所涉及的非基础规则，通过问答能够精确定位程序中的错误。这种调试器集成在 ASPIDE 中，使用 WASP 进行实现。

Aug, 2018

本文介绍了关于 Answer Set Programming 的比赛，并讨论了设计和结果。

Apr, 2019