Speedup of Logic Programs by Binarization and Partial Deduction
二进制逻辑程序可以通过二进制化变换从普通逻辑程序获得。在大多数情况下，以这种方式获得的二进制程序的效率低于原始程序。（Demoen，1992）展示了一个有趣的逻辑程序的例子，当它被转换成二进制程序，然后通过部分演绎进行专门化时，它的计算行为得到了改善。定义了B-分层逻辑程序类。它表明，对于每一个B-分层逻辑程序，二进制化和随后的部分演绎产生一个二进制程序，不包含变量的连续二进制化介绍。这样的程序通常比原来的程序有更好的计算性能。二值化和部分演绎都可以很容易地自动化。与其他相关的方法程序转换的比较。
2003-12-15 cs.AI cs.PL
Automated Reasoning Using Possibilistic Logic: Semantics, Belief Revision and Variable Certainty Weights
Universite Paul Sabatier（保尔·萨巴蒂埃大学）
本文提出了一种基于可能性逻辑的不确定性自动推理方法，为此，我们处理条款加权的程度是一个下界的必要性或可能性措施，根据性质的不确定性。两种归结规则用于处理不同的情况，反驳方法可以推广。此外，下界被允许是变量的函数在子句中，这给假设推理能力。我们的方法和最小化异常的想法之间的关系进行了简要的讨论。在只涉及必要性测度下界的情况下，提出了一种语义，证明了扩展归结原理的完备性。此外，从一个部分不一致的知识库推导可以在这种方法中管理，并显示出某种形式的非单调性。
2013-03-27 cs.AI
A Tableau Calculus for Pronoun Resolution
我们提出了一个表演算推理片段的自然语言。我们专注于代词决议的问题，并在其中复杂的自动定理证明自然语言处理的方式。提出了一种在演绎过程中显式操纵上下文信息的方法，其中代词在演绎过程中根据此上下文进行解析。因此，代词解析和演绎可以以这样一种方式交错，即代词只有在演绎规则许可的情况下才被解析;这有助于我们避免完全代词消歧的组合复杂性。
2000-09-21 cs.AI cs.CL
Using Automated Theorem Provers for Mistake Diagnosis in the Didactics of Mathematics
Diproche系统是一个自动化的自然语言证明检查器，专门用于初学者练习的背景下，类似于Koepke，Schröder，Cramer和其他人的Naproche系统，使用自动定理证明器的修改，该自动定理证明器使用常见的形式谬误代替声音演绎规则进行错误诊断。我们简要地描述了这样一个“反ATP”的概念，并解释了在其实施中使用的基本技术。
2020-02-12 cs.AI math.LO
Contradictions
School of Mathematics, Southwest Jiaotong University（西南交通大学数学学院）；School of Computing, Faculty of Computing, Engineering and the Built Environment, Ulster University（阿尔斯特大学计算、工程与建筑环境学部计算学院）；National-Local Joint Engineering Laboratory of System Credibility Automatic Verification, Southwest Jiaotong University（西南交通大学系统可信性自动验证国家地方联合工程实验室）
本文针对经典二元归结的局限，研究标准矛盾的构造方法，提出基于最大标准矛盾判定子句集可满足性的程序，并推导子矛盾计数公式，为多子句自动演绎奠定方法论基础。
2025-09-07 cs.AI cs.LO
Using Ontologies for the Formalization and Recognition of Criticality for Automated Driving
Robert Bosch GmbH（罗伯特·博世有限公司）；RWTH Aachen（亚琛工业大学）；ika（ika（亚琛工业大学汽车研究所））
知识表示和推理在研究如何通过机器对知识进行形式化、解释和语义分析方面有着悠久的历史。在自动驾驶汽车领域，最新的进展表明，有能力将相关知识正规化和利用，作为处理交通世界固有的开放和复杂背景的关键推动因素。本文证明本体论是一个强大的工具，a）建模和形式化和b）推理与自动驾驶汽车的环境中的关键性相关的因素。为此，我们利用众所周知的6层模型来创建环境背景的正式表示。在这种表示中，本体将领域知识建模为逻辑公理，从而能够推断交通场景和场景中的关键因素的存在。为了执行自动化分析，联合描述逻辑和规则推理器与先验谓词增强相结合使用。我们详细阐述了模块化的方法，提出了一个公开的实现，并通过一个大规模的无人机数据集的城市交通场景的方法进行评估。
2022-07-05 cs.AI cs.LO
Proceedings 11th International Workshop on Theorem Proving Components for Educational Software
Jerusalem College of Technology（耶路撒冷理工学院）；Bar Ilan University（巴伊兰大学）
ThEdu系列追求从中学数学的直观方式到STEM教育中更正式的主题方法的平稳过渡，同时通过利用定理证明技术的力量来支持这种过渡。以下是对本卷如何有助于这一事业的简要说明。第11届教育软件定理证明组件国际研讨会（ThEdu'22），是第八届联邦逻辑会议的卫星活动（FLoC 2022），2022年7月31日至8月12日，以色列海法ThEdu'22是一个充满活力的研讨会，Thierry Dana-Picard邀请了两个演讲（耶路撒冷技术学院，耶路撒冷，以色列）和Yoni Zohar（巴伊兰大学，特拉维夫，以色列）和四个贡献。随后发出了公开征集文件的呼吁，吸引了七份意见书。这些意见书已被我们的审查员接受，他们共同编写了至少三份关于每一份意见书的详细报告。本卷收集了由此产生的订正文件。本卷中的贡献忠实地代表了Thedu的广泛范围，从那些更专注于自动化演绎研究的人，不要忘记在教育环境中可能的应用程序，到那些专注于应用程序的人，在教育环境中，自动化演绎工具和方法。我们，卷的编辑，希望这本论文集将进一步促进基于定理证明的软件的发展，并将允许提高计算机科学家，数学家和教育利益相关者之间的相互理解。在本卷付印的同时，ThEdu研讨会的下一个版本正在准备中：ThEdu'23将是第29届自动演绎国际会议（CADE 2023）的卫星活动，2023年7月1日至4日，意大利罗马。
2023-03-09 cs.AI cs.CY cs.LO
Proceedings The 13th International Workshop on Theorem proving components for Educational software
Carnegie Mellon University（卡内基梅隆大学）
本卷收录第13届ThEdu研讨会8篇论文，展示定理证明技术在STEM教育中的自动演绎研究与应用，以促进定理证明软件发展及跨领域理解。
2025-05-07 cs.AI cs.LG cs.LO
Four Geometry Problems to Introduce Automated Deduction in Secondary Schools
University of Coimbra（科英布拉大学）；University of Aveiro（阿威罗大学）
在中学采用自动推理系统面临着几个瓶颈，课程中没有严格的数学演示科目，教师缺乏这方面的知识，以及难以通过自动手段完成任务。尽管有这些困难，我们声称，自动演绎几何的主题可以引入，解决它在特定情况下：简单的学生和教师操纵和合理容易处理的自动演绎工具。这个主题是讨论解决四个中学几何问题：他们的严格证明，视觉证明，数值证明，代数形式证明，合成形式证明，或缺乏他们。对于这些问题，我们讨论了一个课程计划，以解决他们的帮助下，信息和通信技术，更具体地说，自动演绎工具。
2022-02-08 cs.AI cs.CY
A Rule Based Theorem Prover: an Introduction to Proofs in Secondary Schools
University of Coimbra（科英布拉大学）；University of Aveiro（阿威罗大学）
在中学采用自动扣分系统面临着几个瓶颈。除了与课程和教师有关的问题之外，几何自动定理证明器的结果与学校中的演示和证明的正常实践之间的不协调是在教育环境中更广泛地使用这种工具的主要障碍。由于早期的几何自动定理证明器的实现，人工智能方法的应用，基于推理规则和使用前向链推理的综合证明器被认为更适合于教育建议。选择一组合适的规则和一种可以使用这些规则的自动化方法是一个主要的挑战。我们讨论了这样一个规则集和它的实现使用几何演绎数据库方法（GDDM）。该方法使用一些选择的几何图形进行测试，这些几何图形可能是第7年班级的目标（约100米）。12岁学生）。本文提出了一个教案，其目标是引入几何定理证明的形式化演示，试图激发学生的这一目标
2023-03-10 cs.AI cs.CY cs.LO
Proceedings 14th International Conference on Automated Deduction in Geometry
本文介绍ADG 2023会议的定位、历届举办情况、贝尔格莱德会议安排、教育中的推理专题及邀请报告。
2024-01-19 cs.AI cs.CG cs.LO
On the Semantics and Automated Deduction for PLFC, a Logic of Possibilistic Uncertainty and Fuzziness
Universitat de Lleida (UdL)（莱里达大学）
可能性逻辑是一种著名的不确定性分级逻辑，适合在不完全信息和部分不一致知识的情况下进行推理，它建立在经典一阶逻辑的基础上。可能性逻辑有一个基于反驳完全归结式演算的证明过程。最近，一个语法扩展的一阶可能性逻辑（称为PLFC）处理模糊常数和模糊限制量词已被提出。我们的目标是目前的步骤，对形式化的PLFC本身和自动演绎系统，它（一）提供了一个正式的语义;（二）定义一个健全的决议式演算反驳;和（三）描述一阶证明程序PLFC条款的基础上（二）和一个新的概念，最一般的替代两个文字在决议步骤。与标准的可能性逻辑语义相反，模糊常数公式的真值评估是多值的，而不是布尔值的，因此也需要一个扩展的可能性不确定性概念。
2013-01-30 cs.AI
Extending Automated Deduction for Commonsense Reasoning
Tallinn University of Technology（塔林理工大学）
常识推理一直被认为是人工智能的圣杯之一。该领域的大多数最新进展都是通过用于自然语言处理的新型机器学习算法实现的。然而，如果不结合逻辑推理，这些算法仍然可以说是肤浅的。除了一些值得注意的例外，实际的自动化逻辑推理机的开发人员大多避免关注这个问题。本文认为，经典一阶逻辑的现有自动推理机所使用的方法和算法可以扩展到常识推理。而不是设计新的专门的逻辑，我们提出了一个框架的扩展主流的分辨率为基础的搜索方法，使这些能够执行搜索任务的实际常识推理合理的效率。建议的扩展主要依赖于普通的证明树上操作，旨在处理常识知识库，包含不一致，默认规则，分类，主题，相关性，置信度和相似性的措施。我们认为，机器学习最适合于常识知识库的构建，而扩展的基于逻辑的方法将非常适合于实际回答来自这些知识库的查询。
2020-03-29 cs.AI
Solving Some Geometry Problems of the Náboj 2023 Contest with Automated Deduction in GeoGebra Discovery
The Private University College of Education of the Diocese of Linz（林茨教区私立教育学院）
本文利用 GeoGebra Discovery 的自动推理与符号计算求解 Náboj 2023 几何题，并分析问题录入机器的难度，提出未来改进目标。
2024-01-22 cs.AI cs.CG cs.SC
Can LLMs Reason Like Automated Theorem Provers for Rust Verification? VCoT-Bench: Evaluating via Verification Chain of Thought
University of Virginia（弗吉尼亚大学）
本文提出VCoT-Bench，通过验证思维链评估LLMs在Rust验证中的能力，揭示其在不同证明类型和缺失证明情况下的脆弱性。
2026-08-18 cs.AI cs.LG cs.SE
ProofEvolve: Neuro-Symbolic Evolution for Formal Automated Theorem Proving
University of Virginia（弗吉尼亚大学）；Meta AI
ProofEvolve是一种神经符号框架，结合神经模型与Lean内核进化形式化验证的证明结构，在三个竞赛级Lean基准中实现最高平均定理解决率，解决现有神经证明器的递归结构缺失问题。
2026-08-28 cs.AI
The RatioLog Project: Rational Extensions of Logical Reasoning
Universität Koblenz-Landau（科布伦茨-兰道大学）；Harz University of Applied Sciences（哈尔茨应用技术大学）
高级认知包括逻辑推理和用常识回答问答的能力。RatioLog项目通过自动推理和认知计算的方法解决了深度问答中的理性推理问题。在第一阶段，我们结合了信息检索和机器学习的技术，从德语版的自由百科全书“维基百科”中的大量文本中找到合适的答案候选人。在第二阶段中，自动定理证明器尝试基于其逻辑表示来验证答案候选者。在第三阶段-因为知识可能是不完整和不一致的-我们考虑扩展逻辑推理，以改善结果。在这种情况下，我们的工作对人类推理技术的应用：我们采用可废止的推理比较的答案w.r.t.具体性，道义逻辑，规范推理和模型构建。此外，我们使用集成的基于案例的推理和机器学习技术的基础上的语义结构的问题和答案的候选人学习给出正确的答案。
2015-07-30 cs.AI
Proceedings of the Fifth Workshop on Proof eXchange for Theorem Proving
本卷EPTCS包含第五届定理证明证据交换研讨会（PxTP 2017）的会议记录，该研讨会于2017年9月23日至24日在巴西巴西利亚举行，是Tableaux，FroCoS和ITP会议的一部分。PxTP研讨会系列汇集了研究人员，他们致力于推理系统和形式主义之间的通信，集成和合作的各个方面，特别关注证明。在过去几十年中，计算机辅助推理（包括自动化和交互式推理）取得了进展，使人们有可能建立越来越适用于更广泛问题的推理工具，并能够逐步更快地解决更大的问题。近年来，在较大的系统中，这些工具之间的合作已经证明了减少人工干预的潜力。推理系统之间的合作依赖于理论形式主义和实用工具的可用性，以交换问题，证明和模型。PxTP系列研讨会致力于鼓励这种合作，邀请各方就推理工具之间合作的各个方面做出贡献，无论是自动的还是交互式的。
2017-12-04 cs.AI cs.LO cs.PL
Contextual Inference in Computational Semantics
在本文中，自动定理证明技术的计算语义的应用。为了计算自然语言话语的预设，出现了几个推理任务。而不是处理这些推理相互独立，我们展示了如何从正式的方法，上下文到演绎的集成技术可以帮助更有效地计算预设。语境被表示为话语表征结构，它们的嵌套方式是明确的。此外，一个表演算是存在的，它保持跟踪的上下文信息，从而允许避免执行冗余的推理步骤，因为它发生在方法中，忽略显式嵌套的上下文。
2000-09-20 cs.AI cs.CL
Proving olympiad geometry theorems on a superconducting quantum processor
Zhejiang University（浙江大学）；Tsinghua University（清华大学）；Hefei National Laboratory（合肥国家实验室）；Shanghai Qi Zhi Institute（上海期智研究院）
本研究在超导量子处理器上实验实现了自动几何定理证明，开发了基于量子伪除法和全角方法的两个框架，成功证明正方形对角线垂直及一道1978年IMO几何题，展示了量子增强符号智能的可行性。
2026-09-15 cs.AI quant-ph
Gold-Medal-Level Olympiad Geometry Solving with Efficient Heuristic Auxiliary Constructions
ETH Zurich（苏黎世联邦理工学院）；Microsoft（微软公司）；University of California, Los Angeles（加州大学洛杉矶分校）
本文提出HAGeo方法，通过高效启发式辅助构造在IMO-30基准上解决28个问题，达到金牌级性能，超越基于神经网络的AlphaGeometry方法。
2025-11-27 cs.AI cs.CG
Computing Presuppositions by Contextual Reasoning
本文描述了如何通过以更精细的方式编码上下文来更有效地应用自然语言处理的自动演绎方法。我们的工作是基于上下文的正式方法，我们提供了上下文推理的表演算。这是解释考虑一个例子，从问题领域的预设投射。
2000-09-21 cs.AI cs.CL
Person Re-identification: A Retrospective on Domain Specific Open Challenges and Future Trends
National University of Sciences and Technology (NUST)（国立科技大学）；Technical University of Munich（慕尼黑工业大学）；The Alan Turing Institute（艾伦·图灵研究所）
人员重新识别（Re-ID）是自动视觉监控系统的主要组成部分之一。它旨在自动识别/搜索具有非重叠视场的多摄像机网络中的人。由于其在各种应用中的潜力和研究意义，近年来已经提出了大量基于深度学习的re-Id方法。然而，存在若干与视力相关的挑战，例如，遮挡、姿态尺度和视点变化、背景杂乱、人未对准和跨相机模态的跨领域泛化，这使得re-id问题仍然远未得到解决。大多数提出的方法直接或间接地旨在解决这些现有挑战中的一个或多个。在这种情况下，需要对当前解决这些挑战的re-ID方法进行全面审查，以分析和关注进一步发展的特定方面。目前，这样的集中综述并不存在，因此在本文中，我们对2015 - 2021年间的230多篇论文进行了系统的挑战性文献调查。这是第一次这种类型的调查已经提出的人重新身份证的方法进行审查，在这样的解决方案为导向的角度。此外，我们提出了几个多样化的突出发展趋势，在各自的研究领域，这将提供一个有远见的角度来看，正在进行的人重新身份证的研究，并最终有助于开发实用的现实世界的解决方案。
2022-02-26 cs.AI cs.CV
MLEvolve: A Self-Evolving Framework for Automated Machine Learning Algorithm Discovery
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；East China Normal University（东华大学）
提出MLEvolve框架，通过渐进式MCGS、回溯记忆和分层控制解决LLM智能体在长期任务中的信息隔离、无记忆搜索和缺乏分层控制问题，在MLE-Bench和数学算法优化任务上取得最先进性能。
2026-10-23 cs.AI cs.CL
