Quantified Markov Logic Networks
Cardiff University（卡迪夫大学）；University of Bremen（不来梅大学）；KU Leuven（鲁汶大学）
马尔可夫逻辑网络（MLN）非常适合于表达诸如“吸烟者以高概率认识另一吸烟者”的统计数据，但不适合于表达诸如“存在认识大多数其他吸烟者的吸烟者”的陈述，这对于建模（例如，社交网络中的影响者）是必要的。为了克服这一缺点，我们研究量化的MLNs，通过引入统计全称量词来概括MLNs，允许以原则性的方式表达后一种类型的统计数据。我们的主要技术贡献是表明，在量化的MLN，最大后验概率和边际推理的标准推理任务，可以减少到各自的MLN对应的多项式时间。
2018-08-21 cs.AI cs.LG cs.LO
Counterfactual Conditionals in Quantified Modal Logic
Rensselaer Polytechnic Institute（伦斯勒理工学院）
我们提出了一种新的形式化的反事实条件在一个量化的模态逻辑。反事实条件句在伦理和道德推理中起着至关重要的作用。先前的研究表明，道德推理系统（更一般地说，心理理论推理系统）至少应该像一阶（量化）模态逻辑（QML）一样具有良好的表现力。虽然现有的道德推理工作集中在反事实的QML道德推理，我们提出了一个完全指定和实现的正式系统，包括反事实条件。我们用两个项目来验证我们的模型。在第一个项目中，我们证明了我们的系统可以用来模拟一个复杂的道德原则，双重效果的学说。在第二个项目中，我们使用该系统来构建一个包含我们理论许可的真实和虚假反事实的数据集，我们相信这对其他研究人员来说可能很有用。该项目还表明，我们的模型在计算上是可行的。
2017-11-02 cs.AI
Interactions between Knowledge and Time in a First-Order Logic for Multi-Agent Systems: Completeness Results
Imperial College London（伦敦帝国理工学院）
研究了一类用于多智能体系统推理的一阶时间认知逻辑。我们编码系统的典型属性，包括完美的回忆，同步性，无学习，并具有独特的初始状态的变量的量化解释系统，解释系统的一阶扩展。我们确定了几个单音节片段的一阶时间认知逻辑，并显示其完整性相对于其相应的类的量化解释系统。
2014-01-23 cs.AI cs.LO cs.MA
Strength Factors: An Uncertainty System for a Quantified Modal Logic
Rensselaer Polytechnic Institute（伦斯勒理工学院）
我们提出了一个新的系统S，用于处理量化模态逻辑（一阶模态逻辑）中的不确定性。该系统是基于概率论和证明理论。这一体系源于奇泽姆的认识论。我们具体化奇泽姆的系统接地他的未定义的和原始的（即基础）的概念，在概率和证明理论的reasonablene。S在必须与人类交互的系统中很有用，并为它们的不确定性提供理由。作为系统的一个演示，我们应用该系统提供了一个解决彩票悖论。该系统的另一个优点是，它可以用来提供反事实陈述的不确定性值。反事实是一个代理人知道肯定是假的陈述。在其他情况下，反事实在系统必须向用户解释其行为时很有用。对反事实的无知自然地从我们的系统中消失。在简单的一阶逻辑中进行有效的推理是一个难题。基于分辨率的一阶推理系统在过去几十年中在构建解决非平凡任务（甚至是数学中未解决的问题）的系统方面取得了重大进展。我们提出了一种新的推理算法，扩展一阶分辨率的草图。最后，虽然有许多命题逻辑、一阶逻辑和命题模态逻辑的不确定性系统，但在构建一阶模态逻辑的不确定性系统方面的工作很少。下文所述的工作正在进行中;完成后将解决这一缺陷。
2018-05-28 cs.AI
Planning with Incomplete Information in Quantified Answer Set Programming
New Mexico State University（新墨西哥州立大学）；Omaha State University（奥马哈州立大学）；University of Potsdam（波茨坦大学）
我们提出了一个通用的方法来规划与不完全信息的答案集编程（ASP）。更确切地说，我们考虑的问题，符合和条件规划与感知行动和假设。我们表示规划问题，使用一个简单的形式主义，其中逻辑程序描述的状态，初始状态和目标状态之间的过渡函数。为了解决规划问题，我们使用量化答案集编程（QASP），ASP的扩展与原子上的存在和通用量词类似于量化布尔公式（QBF）。我们定义了量化的逻辑程序的语言，并用它来表示符合和条件规划的不同变体的解决方案。在实践方面，我们提出了一个基于约束的QASP求解器，量化的逻辑程序转换成QBF，然后执行QBF求解器，我们实验评估的方法一致性和条件规划基准。正在考虑接受TPLP。
2021-08-13 cs.AI
Equilibrium Graphs
University of Corunna（科鲁尼亚大学）
在本文中，我们提出了一个扩展皮尔士的存在图提供一个图形表示的表达式在量化平衡逻辑（QEL）。使用这种形式化，逻辑连接词被包围的区域（圆圈和正方形）取代，量化变量被表示为“身份”线。虽然表达能力与QEL相当，但新的表示法可用于说明或教育目的。
2016-09-07 cs.AI cs.LO
Lattice-Based Graded Logic: a Multimodal Approach
当专家们必须对确定性程度给出精确的数值估计时，他们并不总是感到非常舒服。在本文中，我们提出了一个定性的方法，允许附加偏序符号等级的逻辑公式。不确定性信息通过参数化模态算子表示。我们提出了一个多模态逻辑的语义，并给出了一个健全的和完整的公理化。我们研究了相关方法的联系，并建议如何使用这个框架来管理不确定和不完整的知识。
2013-03-13 cs.AI
Simple Type Theory as Framework for Combining Logics
Articulate Software
简单类型论适合作为结合经典和非经典逻辑的框架。这种说法是基于这样的观察：各种突出的逻辑，包括（量化的）多模态逻辑和直觉主义逻辑，可以优雅地嵌入简单的类型论中。此外，简单类型论对于嵌入逻辑的组合建模具有足够的表达力，并且具有很好的语义理解。现成的简单类型论的推理系统存在，可以统一地用于推理内和关于逻辑的组合。
2010-04-30 cs.AI cs.LO
A first-order Temporal Logic for Actions
Université de la Méditerranée（地中海大学）
我们提出了一个多模态动作逻辑与一阶模态，其中包含的条款，可以统一与后续公式中的条款，可以量化。这使得同时处理时间和状态成为可能。我们讨论这种语言的应用，行动理论，它是可能的，以表达许多时间方面的行动，例如，开始，结束，时间点，延迟的先决条件和结果，持续时间和许多其他。我们提出了一个可判定的片段，这个逻辑的表格规则。
2007-05-14 cs.AI cs.LO
From Incomplete Architecture to Quantified Risk: Multimodal LLM-Driven Security Assessment for Cyber-Physical Systems
Singapore Management University（新加坡管理大学）
本文提出ASTRAL方法，利用多模态LLM重构和分析网络物理系统架构，通过提示链、少样本学习和架构推理实现安全威胁识别和风险量化评估。
2026-04-07 cs.AI cs.CR
A Medical Multimodal Diagnostic Framework Integrating Vision-Language Models and Logic Tree Reasoning
Tsientang Institute of Advanced Study (TIAS)（钱塘先进研究所）；Westlake University（西湖大学）；Ant Group（蚂蚁集团）；China-Japan Friendship Hospital（中日友好医院）
本文提出一种整合视觉-语言模型与逻辑树推理的医学诊断框架，旨在提升多模态医学AI的可信度和可解释性。
2025-12-25 cs.AI
On Quantifying Literals in Boolean Logic and Its Applications to Explainable AI
Computer Science Department, UCLA（加州大学洛杉矶分校计算机科学系）；Institut Universitaire de France（法国大学研究院）
量化布尔逻辑是在布尔逻辑中增加运算符以存在性地和普遍地量化变量的结果。这扩展了布尔逻辑的范围，使几十年来已经探索的各种应用成为可能。文字（变量状态）的存在量化及其应用也在文献中进行了研究。在本文中，我们通过研究泛字面量化及其应用，特别是可解释的AI来补充这一点。我们还提供了一个新的量化语义，讨论变量/文字和存在/泛量化之间的相互作用。我们进一步确定了一些类的布尔公式和电路上的量化可以有效地进行。文字量化比变量量化更细粒度，因为后者可以根据前者定义。这导致了一个细化量化布尔逻辑与文字量化作为其原语。
2021-10-12 cs.AI cs.DB cs.LG
Interpretable Multimodal Misinformation Detection with Logic Reasoning
City University of Hong Kong（香港城市大学）；Nanyang Technological University（南洋理工大学）；University of Washington（华盛顿大学）
针对现有多模态虚假信息检测方法可解释性不足的问题，提出一种融合可解释逻辑子句的神经符号模型，引入五个元谓词提升泛化性，在三个公开数据集上验证了可行性与通用性。
2024-09-14 cs.AI cs.CL cs.MM
NeoRed: A Knowledge-Logic-Alignment Multimodal Large Language Model for Neonatal Respiratory Disease Diagnosis
School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院）
本研究针对现有多模态大语言模型在新生儿呼吸系统疾病诊断中存在的领域差距与上下文整合不足问题，构建了首个定制化MLLM NeoRed，通过KLA框架优化诊断，在新生儿数据集上表现优于现有模型，且在成人基准上性能具竞争力。
2026-09-09 cs.AI
Automating Access Control Logics in Simple Type Theory with LEO-II
Garg和Abadi最近证明了著名的访问控制逻辑可以以一种合理和完整的方式转换为模态逻辑S4。我们之前已经概述了正常的多模态逻辑，包括单峰逻辑K和S4，可以嵌入简单的类型论（也称为高阶逻辑），我们已经证明了高阶定理证明器LEO-II可以自动推理。在本文中，我们结合这些结果，并描述了一个声音和完整的嵌入不同的访问控制逻辑在简单的类型论。采用这个框架，我们表明，现成的定理证明LEO-II可以应用于自动推理突出的访问控制逻辑。
2009-03-04 cs.AI cs.LO
Enhancing multimodal analogical reasoning with Logic Augmented Generation
University of Bologna（博洛尼亚大学）；ISTC-CNR（意大利国家研究 council 信息与系统技术研究中心）
本文提出逻辑增强生成框架，通过结合语义知识图谱和提示启发法，提升多模态类比推理能力，在隐喻检测和理解任务中优于基线和人类表现。
2025-06-13 cs.AI cs.CL
Code-Vision: Evaluating Multimodal LLMs Logic Understanding and Code Generation Capabilities
Peking University（北京大学）；Northeastern University（东北大学）；University of Hong Kong（香港大学）
提出 Code-Vision 基准，通过流程图到代码生成任务评估 12 个 MLLMs，发现专有与开源模型差距显著，并揭示其区别于现有基准的独特挑战。
2025-02-17 cs.AI cs.CL cs.SE
ST-BiBench: Benchmarking Multi-Stream Multimodal Coordination in Bimanual Embodied Tasks for MLLMs
Tsinghua University（清华大学）；The University of Hong Kong（香港大学）；HKUST（香港科技大学）；Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心）
本文提出ST-BiBench框架，用于评估多流多模态协调，揭示MLLMs在高阶策略与精细物理执行间的协调悖论。
2026-04-04 cs.AI cs.CV cs.RO
NatSGLD: A Dataset with Speech, Gesture, Logic, and Demonstration for Robot Learning in Natural Human-Robot Interaction
University of Maryland College Park（马里兰大学学院公园分校）
针对现有HRI数据集局限于简单任务的问题，NatSGLD采用WoZ方法收集语音、手势、演示轨迹及LTL公式，为多模态指令跟随和计划识别等研究提供基础资源。
2025-02-23 cs.AI cs.RO
How Well Do Multimodal Models Reason on ECG Signals?
University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校）；Rush University（拉什大学）；ETH Zurich（苏黎世联邦理工学院）；St. Christopher's Hospital for Children（圣克里斯opher儿童医院）；Stanford University（斯坦福大学）；University of Washington（华盛顿大学）；Google Inc（谷歌公司）
本文提出了一种评估多模态模型在ECG信号上推理能力的框架，通过感知和演绎两个方面验证模型的逻辑和模式识别能力。
2026-03-08 cs.AI cs.LG
Decoupling Semantics and Logic: A Training-Free Coarse-to-Fine Pipeline for Video Retrieval-Augmented Generation
School of Computer Science & Tech, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院）；School of AI and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院）
提出一种无需训练的两阶段级联视频RAG流水线，通过解耦语义检索与逻辑推理，实现跨语言长视频理解、严格角色遵循和零幻觉时间定位。
2026-06-06 cs.AI cs.CL cs.CV
