本文综述了在 RDF (S)、描述逻辑 EL 和 ALC，以及 OWL 2 RL 的支持下，基于神经符号推理的现有文献，讨论了采用的技术、解决的任务以及该领域的其他相关努力。

Aug, 2023

使用逻辑推理器自动分析包含多个类、对象和状态图的 UML 模型的一致性和可满足性。通过将 UML 模型转换为 OWL 2, 实现了一个工具链，不需要设计者了解 OWL 2 及其推理器。

May, 2022

描述了 DaRLing 系统，它是一个 OWL 2 RL 本体推理的 Datalog 重写器，在 SPARQL 查询下具有实际适用性。

Aug, 2020

提出了一种利用各种不同（可能相互矛盾）视角中的知识进行建模和推理的工具，通过对基本逻辑进行增强来提供理论基础，并通过将立场增强版本的描述逻辑 SROIQ 转换为其普通（即古典）版本，在现有的推理器中应用，为多样立场的推理提供自动支持。

Apr, 2023

我们介绍了 OWL，它是一个在包括各种 IT 相关信息的 OWL-Instruct 数据集上训练的大型语言模型，提出了混合适配器策略以改进跨不同领域或任务的参数效率调优。此外，我们评估了 OWL 在我们建立的 OWL-Bench 和开放的 IT 相关基准上的性能，并展示了它在 IT 任务上超出现有模型显著。希望我们研究的发现能够为通过专门的大型语言模型革新 IT 操作技术提供更多深入见解。

Sep, 2023

知识表示与推理是人工智能领域一个核心、长期存在且活跃的领域。近年来，它在机器学习和不确定性推理等研究方面受到了挑战和补充。我们基于 Dagstuhl 工作坊的演示、专题讨论、工作小组和讨论制定了这份宣言，以阐述该领域的现状、与其他领域的关系、优势和不足，并提出了未来进展的建议。这是关于知识表示的观点宣言，包括其起源、目标、里程碑和当前重点，以及与人工智能等其他学科的关系，以及面临的挑战和未来十年的重点任务。

Aug, 2023

本文综述了大型语言模型在推理方面的最新研究，包括提高它们的推理能力的方法、评估它们的推理能力的基准和方法，以及这一领域之前研究的发现和意义，旨在激发有意义的讨论和未来的研究。

Dec, 2022

本研究采用最新的深度神经网络训练方法，成功开发出了一种模型，可以学会在基本本体论推理的形式下有效地进行逻辑推理，进而可以应用于许多现实世界中的问题，并且在各项实验中表现出高度准确和生物学上的可行性。

Aug, 2018

本文介绍了 Gavel，一种工具，支持异构 FOWL 本体的开发，其扩展了 OWL 本体，使用 FOL 注解，并能够推理出一组组合的公理。

Oct, 2022

NaturalOWL 是一款使用自然语言生成系统的工具，它可以生成多语言的流利和连贯的多句文本描述 OWL 本体中的个体或类，以使信息不仅对计算机程序和领域专家，也对终端用户可见可访问。

Apr, 2014