- 数据 Petri 网与概率编程（扩展版）
概率编程是一种允许编写统计模型、通过运行这些模型进行模拟，并利用强大的推理引擎分析和改进它们的统计行为的编程范式。本文介绍了将数据 Petri 网（DPNs）系统地转化为使用大多数概率编程系统支持的概率编程语言模型的方法。我们证明了我们的转 - 符号人工智能：一种将生成模型和求解器相结合的基于逻辑的方法的框架
SymbolicAI 是一个多功能、模块化的框架，采用基于逻辑的方法进行概念学习和流程管理，在生成过程中使生成模型与各种求解器无缝集成，并通过将大型语言模型 (LLMs) 视为语义解析器来执行任务，从而弥合符号推理与生成人工智能之间的差距。 - 基于概率编程的智能虚拟代理的架构框架
KorraAI 是一个新的框架，用于构建具有体现性的对话代理（ECAs），通过考虑环境和交互时间等上下文信息以及人类交互伙伴提供的不确定信息来模拟 ECAs 的行为。KorraAI 利用概率编程使代理能够主动与人类伙伴交互，并通过概率模型来 - MEMS 加速度计的贝叶斯校准
本研究旨在调查使用贝叶斯技术进行微机电系统加速度计的校准情况，介绍了贝叶斯方法在传感器校准中的应用及其优势。
- 广义分布语义和投影分布族
通过分离自由随机组分和确定性部分抽象逻辑编程的核心思想，我们推广了支持概率逻辑编程的分布语义，包括从概率数据库、概率有限模型论和离散抬升贝叶斯网络框架，证明了确定性部分的一个有限的碎片足以表示所有可在广义分布语义中表示的投影分布族，但表明了 - ICML非参数的 Involutory Markov Chain Monte Carlo
我们提出了非参数的纠缠马尔科夫链蒙特卡罗（NP-iMCMC）算法，作为一种构建用于普通概率编程语言（PPL）可表示的非参数模型的 MCMC 推理算法的方法。该方法建立在统一的纠缠 MCMC 框架之上，并通过提供一个在维度之间驱动状态移动的一 - ICML语言模型级联
通过利用概率编程技术以及组合多个模型，并在测试中反复交互，我们提出了一种基于语言模型层级结构的模型组合方法，以实现对复杂数据类型（如字符串）的快速学习和推理。
- 一种元概率编程语言，用于概率和非良基础类型系统的双模拟
我们引入了一个正式的元语言来进行概率编程，旨在让 AGI 不仅学习相关知识（程序 / 证明），而且学习适当的推理方式（逻辑 / 类型系统）。我们利用立方型类型理论和依赖类型元图的框架来形式化我们的方法。通过这样做，我们展示了元语言中的特定构 - 主动知识搜索的概率编程范例
本研究通过一种基于概率编程实现的语言，提出并实现了一种能够获取关于环境新知识的编程模型，通过在实验中运用此模型，成功实现了一个适用于主动建图和机器人探测的算法。最终，通过对基于 HouseExpo 数据集的广泛模拟研究，进一步验证了实现的功 - 混合非确定性 - 概率自动机：将图形概率模型与非确定性融合
本文提出了一个新的模型混合自动机（非确定性 / 概率性），它不仅包括了非确定性自动机，还包括了图形化概率模型，并且它配备了与图形化概率模型继承的并行组合、模拟关系和支持消息传递算法。Segala 的概率自动机可以映射到混合自动机。
- ICML变分退火重要性采样的替代似然函数
我们提出了一种可以与其他变分参数一起学习的代理似然函数，以此支持两种算法类别优势的组合，此算法允许用户在推理保真度和计算成本之间进行直观权衡，适用于概率编程框架中黑盒子推理。
- 模拟智能：迈向新一代的科学方法
介绍了科学计算、科学模拟和人工智能相结合的模拟智能 (SI) 的本质算法及其相互依存的 “九大主题”，包括多物理和多尺度建模、代理人建模、因果建模和推断、概率编程、可区别编程等，并强调协调各主题间联合工作将有助于促进从解决合成生物学和气候科 - ICML使用基于仿真的推理技术检测和量化恶意活动
本文提出使用概率编程技术来解决推荐算法中的恶意用户识别问题，并展示了在模拟结构化模型中使用此技术来量化恶意用户的行为对系统动态的影响。
- ICML非参数 Hamilton Monte Carlo
本文介绍了非参数 Hamiltonian Monte Carlo 算法（NP-HMC），将 HMC 推广到非参数模型，通过一类称为 “树可表示” 的可测函数作为通用概率编程语言 (PPL) 密度函数的表示，在多个非参数示例中得到了显著的性能 - MM随机领域贝叶斯策略搜索
该研究将随机领域的政策搜索视为贝叶斯推断问题，并提供了一种将此类问题编码为嵌套概率程序的方案。研究表明，即使使用更简单、更普遍的推断算法，仍然可以学习到质量相似的策略。
- 利用概率和可微编程自动化 Involutive MCMC
该论文描述了一种自动化实现根据概率编程系统中的 Involutive MCMC 核函数的技术，并且利用此技术来检测用户在核函数规范中的错误并利用核函数中的稀疏性以提高效率。
- tfp.mcmc: 为现代硬件构建的现代马尔可夫链蒙特卡洛工具
本文介绍了 TensorFlow Probability MCMC 图工具包的设计和应用以及 MCMC 算法对于概率编程在渐近收敛性、稳定性和估计器方差界方面的重要性。
- 自动结构化变分推断
介绍了一种用于构建结构化变分族的自动化方法。这些凸优化族可以捕获复杂的统计依赖关系，并可用于一个非常大的模型族，包括连续和离散变量。通过在 TensorFlow Probability 中提供 ASVI 的开源实现，发现其表现较其他主流方法 - AAAI神经网络中的采样预测匹配示例：一种概率编程方法
本文探讨使用概率编程方法来研究分类器的预测水平集问题，通过在合成数据集和 MNIST 数据集上实验，展示该技术有助于理解分类行为。
- 可组合的效应：NumPyro 中灵活而加速的概率编程
本文介绍了 NumPyro 库，它是 Pyro 概率编程语言的一个轻量级后端，具有相同的建模接口、语言原语和效果处理抽象。效果处理程序允许将 Pyro 的建模 API 扩展到 NumPyro，本文演示了使用程序变换与 Pyro 的效果处理程