该论文介绍了自动化组合 Answer Set Programming（ASP）规范的第一步，包括基于图问题规范的数据集的设计与评估、利用神经机器翻译将自然语言转化为控制自然语言语句，以及通过 CNL2ASP 工具将控制自然语言语句转化为 ASP 代码，实验证实了该方法的可行性。

Mar, 2024

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

Apr, 2019

该论文提出了一种新的 ASP 编码模式，通过利用实际问题的大规则来编码难题，尤其针对 NP 问题能提供更强的表达能力，并且提供基于规则分解技术的解决方案，初步的基准测试表明，放弃固定程序的简便方式可以显著提高速度。

Aug, 2016

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

本文提出了 NP-SPEC 语言，它是一种用于以声明方式指定 NP 问题的语言。我们将 NP-SPEC 翻译成各种形式的 ASP 并进行分析。此外，我们认为将 NP-SPEC 的某些语言内部结构合并到主流 ASP 中可能会很有用。

Jan, 2013

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

该研究的目标是扩展支持 ASP 程序验证的工具和理论，旨在促进知识表示和推理的发展，并解决人工智能中的可靠性和可解释性问题。

Aug, 2022

提出一种基于逻辑编程的建模范式，将 ASP 和 QBF 的最佳特性相结合，实现对高层次搜索问题的编码。

Aug, 2016

本文提出了一种名为 ASP (Q) 的新语言，引入了程序稳定模型上的量词，进一步拓展了 Answer Set Programming 的建模能力，可以直接对多项式层次中的问题进行建模。

Jul, 2019

本文提出了一种扩展的 ASP 系统结构，其中将输入程序的部分编译为特定的二进制，并可能不受基础步骤的限制。我们提出了相关的部分编译技术，并在一个著名的 ASP 求解器上实现了新方法。结果表明，基于编译的方法对于各种用例都有改进。

Jul, 2019