- EMNLP通过区间传播实现对符号替换的可验证鲁棒性
本文提出了一种解决 NLP 系统鲁棒性问题的方法，通过形式化验证系统对先前已定义的对抗攻击的稳健性，使用 基于区间边界传播法的模型验证方法模拟离散文本扰动，改进对数似然训练目标训练模型，该方法能够有效地验证模型，并保证模型在最坏情况下的鲁棒 - 一种可验证强化学习的归纳综合框架
本文研究如何使用形式化验证技术对增强学习 - enabled 机器学习系统进行验证，以保证其行为安全，并提出了一种基于黑盒方法的综合确定性程序的方法来实现系统验证。
- 有关重大决策的通用反事实解释模型
该研究提出了一种基于形式验证的算法，使用逻辑公式表示距离函数（目标）和预测模型（约束），解决满足性问题生成最接近的反事实解释，能够生成可行的多样化反事实解释来满足 100% 的覆盖率。
- StocHy: 随机过程的自动验证和合成
StocHy 是一个用于离散时间随机混合系统 (SHS) 的定量分析的软件工具，可以模拟 SHS 的演变并自动构建抽象，该抽象可用于形式验证或控制合成。
- 深度网络可扩展验证的双重方法
本文提出了一种通用的神经网络形式验证框架，通过将验证问题转化为最优化问题，并通过我们提出的松弛算法得到可靠的上界，从而可对神经网络的输入和输出属性满足的规范进行形式化验证。
- 蒙特卡罗树搜索引导的混合系统两层虚假检测
介绍了一个基于蒙特卡洛树搜索的优化框架，用于在探索和开发之间，平衡探索和开发，并对杂乱无章的黑盒组件进行优化建模，以进行质量保证。
- 面向安全关键深度神经网络的可扩展验证
本篇论文介绍了在安全重要应用领域中使用深度神经网络的问题，针对其可靠性和安全性的担忧，提出了采用形式化验证来保证其运行符合预期，并通过两个方向，即设计可扩展性的验证技术和识别可验证的深度学习系统的设计选择来缓解这一挑战。
- AAAI舒尔数五
通过将问题编码为命题逻辑，应用大规模并行可满足性求解技术并构建验证解的证明，我们解决了一个世纪老问题，即寻找最大的 n，使得在对正整数进行五染色的情况下，方程 a+b=c 不存在单色解，其中 n 等于 160，并证明了这个结果的正确性。验证 - 分段线性神经网络验证的统一视角
本文介绍了一种统一的深度学习模型形式验证的框架，利用分段线性结构和形式方法，结合现有方法的优势以实现两个数量级的加速。并提出了一组新的基准数据集，通过实验比较现有算法并确定影响验证问题难度的因素。
- 通过神经元因数分解验证二值化神经网络
本研究探讨了二值化神经网络的形式验证问题，并使用硬件验证的约减方法对其进行了验证，通过证明找到最优 factor（因数）的 NP - 难度和 PTAS 可近似难度，设计出了多项式时间搜索启发式解法来生成因数解，整个框架可以应用于具有数千个神 - MMHamilton-Jacobi 可达性：简要概述与最新进展
介绍了基础 Hamilton-Jacobi reachability 理论的概述和最新的数值工具的使用说明，此外，还回顾了一些高维 HJ reachability 的现有工作，展示了通过各种通用理论和应用特定的见解可以缓解维度挑战。
- ACLACL2 定理证明器及其应用国际研讨会第十三届会议论文集
该论文介绍了一个自动化推理系统 ACL2 定理证明器，其应用包括计算系统规范和验证，形式验证等，Boyer-Moore 家族的成员在 ACL2 Theorem Prover 研究和发展中做出重要贡献。
- 线性有理代价理论模优化
本文介绍了两种使用 SMT 解决带有线性有理成本函数最小化的一般性过程，并将其与标准最小化技术相结合。我们已将程序封装在 MathSAT SMT 求解器内，并成功与其他最先进的工具在 Linear Generalized Disjuncti - ACLACL2 版本 6.2、6.3 和 6.4 的增强功能
本文介绍了自 2013 年 ACL2 研讨会以来对 ACL2 的改进，并涉及形式验证和定理证明方面的研究领域。
- 关于策略的推理：关于模型检查问题
介绍了一种更广泛的策略逻辑，用于在多代理并发游戏中推理策略，证明了其包括 CHP-SL，同时维护可决策模型检查问题。