- 论证性因果探索
使用符号表示对假设引导论证（ABA）进行推理可以支持因果关系的发现，此方法在使用答案集编程（ASP）实现后在因果发现的标准基准测试中表现良好。
- 关于非平坦的基于假设的论证和包含失败否定的逻辑规划的对应关系
通过对非平面 ABA 的扩展，我们建立了假设为 LP 中的不可行否定的稳定模型语义，以及在 LP 中的否定失效头部的集合稳定 ABA 语义之间的对应关系。
- 非扁平假设为基础的论证的实例化和计算方面
该研究通过使用 ABA 和 BAF 之间的翻译，提出了一种基于实例的方法来推理非平坦的 ABA，并通过识别冗余参数的三种方式来降低计算成本。实证评估表明，这种方法在许多情况下胜过不构建参数的方法，反映了 BAF 推理的复杂度较低。
- 理解 ProbLog 作为概率论证
该研究探讨了 ProbLog 与概率推理相结合的一种形式，即概率抽象论证，表明 ProbLog 是概率抽象论证的一种实例，从而为 ProbLog 提供了替代语义和新的论证语义，同时为 ProbLog 的输出提供了新的形式的论证解释。
- 基于 ASP 的 ABA 学习
最近，提出了 ABA 学习作为一种从背景知识、正负样本中绘制基于假设的论证框架的符号机器学习方法。我们提出了一种使用答案集规划来实现 ABA 学习的新方法，以帮助指导 ABA 学习中的死记硬背和泛化。
- MM（扩展）分离逻辑程序的论证特征
该论文研究了论证理论，尤其是基于假设的论证和不同类型的逻辑程序之间的关系，并通过展示基于假设的论证不仅可以表示普通逻辑程序，而且可以表示否定逻辑程序及其扩展，扩展了 Caminada，Schultz 和 Toni 的已有研究结果。
- 学习基于假设的论证框架
本文提出了一种基于逻辑的学习方法，通过利用给定的背景知识从正负样例中生成基于假设的辩证框架，并将这些框架映射到可能是非分层的失败否定的逻辑程序。该方法通过采用转换规则来处理常规规则的例外，其中包括一些从逻辑程序转换规则改编的规则，例如折叠， - 非扁平 ABA 是二极心论的一个实例
本文提出了一种双极 AF 语义，借鉴了推理支持的概念，用于实例化 general ABAFs 概念，并证明了在此概念下具有所需的关系。
- MM利用增量式答案集求解在基于假设的论证中进行推理
本文研究了基于假设的论证（ABA）中逻辑编程碎片中比第二层多项式分层难度的理性推理和优先推理问题的有效算法，利用增量 ASP 求解器中的非平凡反例引导的抽象精化程序。