The role of logical interpretations in program development
代数规格说明的逐步精化是程序开发的一种著名的形式化方法。然而,传统的概念,细化的基础上签名态射往往过于僵化,以捕捉一些相关的软件设计,重用和适应的背景下的转换。本文提出了一种新的加细方法,在这种方法中,签名态射被逻辑解释所取代,作为证明加细的一种手段。该方法首先在方程逻辑的背景下,后来推广到任意维度的演绎系统。这允许,例如,细化成方程式规格和后者到模态的。
2014-01-29 cs.LO
A Process Calculus with Logical Operators
为了将规范的操作和逻辑风格结合在一个统一的框架中,Lüttgen和Vogler在[TCS 373(1-2):19-40; Inform.计算(& C)208:845-867]。与通常的LTS相比,本文引入了逻辑LTS上的两个逻辑构造器$\wedge$和$\vee$来描述规范的逻辑组合。目前,这类框架已经得到了相当深入的研究,但过程代数式的方法尚未涉及,逻辑LTS上构造函数的公理化也没有。本文试图沿着这个方向发展吕特根和Vogler的工作。我们将提出一个逻辑LTS(CLL,简称)的进程演算。语言CLL详细探讨了从两个不同的,但等价的观点。基于行为视图,采用就绪模拟的概念对精化关系进行形式化描述,发展了行为理论。基于证明论的观点,给出了一个可靠的、基础完备的CLL公理系统,它通过(不)方程律来捕获CLL中的算子。
2012-12-11 cs.LO
Specification-Driven Data Architecture Reconstruction: From Physical Code to Logical and Conceptual Specifications
EPAM Systems
本研究提出溯源感知、确定性优先的流水线,从Oracle DDL重构逻辑与概念数据规范,区分观察事实、推导与LLM建议;在249个样本上完成97.99%,LLM候选父表可接受率仅约17.5%,验证了防止模型假设被静默提升的架构基线。
2026-09-15 cs.DB cs.LO cs.SE
Model checking and model synthesisfrom partial models: a logic-based perspective
我考虑以下一般情况:一个抽象的模型M的一些“真正的”系统只是部分介绍,或部分已知的,我们必须确保实际的系统满足给定的规范,形式化的一些逻辑语言。这种情况至少有两个本质上不同的解释,导致两个本质上不同的形式逻辑和算法问题:“部分模型的模型合成”,其中M到完整模型的一些“可接受”扩展必须满足规范,和“部分模型的模型检验”,其中M到完整模型的所有“可接受”扩展必须满足规范。这些问题自然地扩展了经典的可满足性、有效性和模型检验的逻辑决策问题。在这里,我简要地讨论这两个问题的背景下,经典,模态和时间逻辑。我做了一些观察,状态一些开放的问题,并概述了一个一般的表格式的程序,解决了几个著名的模态和时序逻辑,包括有限的部分模型的无约束模型合成的问题。K、LTL、CTL、ATL。
2020-12-22 cs.LO
Backpropagation through Signal Temporal Logic Specifications: Infusing Logical Structure into Gradient-Based Methods
Stanford University(斯坦福大学);Toyota Research Institute(丰田研究院)
提出了一种利用计算图计算信号时序逻辑(STL)公式的定量语义的方法,称为STLCG。STLCG提供了一个平台,使逻辑规范纳入机器人问题,受益于基于梯度的解决方案。具体来说,STL是一种功能强大、表达能力强的形式化语言,它可以指定连续系统和混杂系统产生的信号的空间和时间属性。STL的定量语义提供了一个鲁棒性度量,即,信号满足或违反STL规范的程度。在这项工作中,我们设计了一个系统的方法来翻译STL的鲁棒性公式到计算图。通过这种表示,并利用现成的自动微分工具,我们能够有效地通过STL鲁棒性公式进行反向传播,从而实现STL规范与机器人技术中使用的许多基于梯度的方法的自然和易于使用的集成。通过一些来自各种机器人应用的例子,我们证明了STLCG是通用的,计算效率高,并能够将人类领域的知识到问题的制定。
2021-12-27 cs.CL cs.LO cs.SY
Towards Logical Specification of Statistical Machine Learning
AIST(产业技术综合研究所)
本文提出基于 Kripke 模型与认知逻辑的形式化框架,用逻辑公式刻画统计分类器的性能、鲁棒性与公平性,并以反事实认知算子表达条件不可区分性。
2020-03-28 cs.AI cs.CR cs.LG
Fast Constraint Extraction for Corrective Control under STL Specifications via Logical Dependency Tracking
U2IS, ENSTA, Institut Polytechnique de Paris(巴黎理工学院ENSTA U2IS);Univ. Grenoble Alpes(格勒诺布尔阿尔卑斯大学);CNRS(法国国家科学研究中心);Grenoble INP(格勒诺布尔国立理工学院);VERIMAG(VERIMAG实验室);REALM, AeroAstro, Massachusetts Institute of Technology(麻省理工学院航空航天系REALM)
本文提出逻辑依赖追踪框架,通过STL结构传播不确定性并提取紧凑DNF约束,实现毫秒级控制校正,保证非线性系统在不确定性下满足STL规范。
2026-09-10 cs.LO cs.RO cs.SY
Neural Datalog Through Time: Informed Temporal Modeling via Logical Specification
Bloomberg LP(彭博有限合伙企业)
当可能的事件类型的集合很大时,学习如何从过去事件的模式预测未来事件是困难的。训练一个不受限制的神经模型可能会过拟合到虚假的模式。为了利用特定领域的知识,如何过去的事件可能会影响事件的现在的概率,我们建议使用一个时间演绎数据库来跟踪结构化的事实随着时间的推移。规则的作用是从其他事实和过去的事件中证明事实。每个事实都有一个随时间变化的状态-一个由神经网络计算的向量,其拓扑结构由事实的起源决定,包括它对过去事件的经验。任何时候可能的事件类型都由特殊事实给出,其概率与其状态一起被神经建模。在合成和现实世界的领域,我们表明,神经概率模型来自简洁的Datasheet程序,提高预测编码适当的领域知识在其架构。
2020-08-17 cs.AI cs.DB cs.LG
Logic Column 10: Specifying Confidentiality
本文演示了如何使用逻辑规约语言来捕获安全文献中使用的各种形式的机密性属性。
2004-11-11 cs.LO
Synthesis of Universal Safety Controllers
本文提出一种仅从逻辑规范转换的博弈中构建通用安全控制器的新方法,通过prophecies预测受控对象行为以确保动作安全,提升了可扩展性、适应性和可解释性。
2025-01-30 cs.LO
Towards Neural-Guided Program Synthesis for Linear Temporal Logic Specifications
University of Toronto(多伦多大学);Vector Institute(向量研究所)
综合实现逻辑规范的程序是计算机科学中的经典问题。我们研究了一种特殊类型的程序合成,其目标是合成一种策略,该策略对潜在的敌对环境做出反应,同时确保所有执行满足线性时序逻辑(LTL)规范。不幸的是,通过逻辑推理解决所谓的LTL合成的精确方法不具有规模。在这项工作中,我们铸造LTL合成作为一个优化问题。我们采用了一个神经网络学习Q函数,然后用来指导搜索,并构建程序,随后验证的正确性。我们的方法在将搜索与深度学习相结合以实现LTL合成方面是独特的。在我们的实验中,学习的Q-函数提供了有效的指导与相对较小的规格的综合问题。
2019-12-31 cs.AI cs.FL cs.GT
Parameterized Dynamic Logic -- Towards A Cyclic Logical Framework for General Program Specification and Verification
本文提出参数化动态逻辑DLp,通过引入程序配置标签支持符号执行与语法结构推理,构建循环预证明系统保证无限证明树可靠性,为通用程序规约与验证提供灵活框架。
2025-01-29 cs.LO cs.SE
A proof theoretic basis for relational semantics
逻辑已被证明是必不可少的正式建模软件为基础的系统。这种形式化的描述,通常被称为规范,不仅作为需求文档和形式化,而且还为它们的分析和自动推理工具的开发提供了数学基础。逻辑学通常从其内在的两个方面来研究:句法和语义。后者的相关性在于这样一个事实,即对现实世界的现象进行逻辑描述,需要人们就人类如何解释和理解这些描述达成一致,以便系统可以根据其规范自信地构建。在更实际的方面,句法和语义之间的元逻辑关系决定了人们可以从某些分析技术的应用中得出的结论的重要方面,如模型检验。抽象模型理论(Abstract Model Theory)关于逻辑语言语义的数学观点)对于软件工程努力几乎没有实用价值。从我们的观点来看,值(可以分配给常量和变量的值)不应该仅仅是柏拉图式解释域中的点,而是可以通过规范签名上的术语命名的元素。简而言之,我们对那些需要任何语义信息而无法用可用语法表示的属性不感兴趣。在本文中,我们提出了一个框架,支持证明理论的形式化类的关系模型的行为逻辑语言,其域的话语保证只形成命名值。
2021-07-17 cs.LO
Structural Refinement for the Modal nu-Calculus
我们引入了一个新的概念,结构细化,一个健全的抽象的逻辑蕴涵,模态核演算。使用新的翻译之间的模态nu演算和析取模态转换系统,我们表明,这两个规格形式主义是结构上等价的。使用我们的翻译,我们还转移的结构操作的组成和商从析取模态转换系统的模态nu演算。这表明模态nu演算支持规格说明的组合和分解。
2014-06-10 cs.LO
A Generic Framework for Implicate Generation Modulo Theories
一个公式的子句逻辑结果被称为它的蕴涵。这些蕴涵的生成有几个应用,例如在逻辑规范中识别缺失的假设。我们提出了一个程序,产生的一个量词自由公式模理论的蕴涵。没有假设被认为是理论,除了存在一个决策程序。该算法已实施(使用求解器MiniSat,CVC 4和Z3)和实验结果表明,所提出的方法的实际意义的证据。
2018-07-12 cs.LO
Towards a Logic for Reasoning About LF Specifications
我们描述了爱丁堡逻辑框架(LF)的逻辑推理规范的发展。在这种逻辑中,LF中的类型判断充当原子公式,并且允许对可能出现在其中的上下文和术语进行量化。此外,上下文,这构成类型分配给唯一命名的变量,使用标称常数的技术设备建模,可以通过其结构的归纳描述来表征。我们提出了这样的公式的语义,然后考虑证明它们的任务。为此,我们限制我们考虑的公式的集合,以确保它们具有证明规则可以基于的范式。然后,我们专门讨论了一个证明规则,提供了LF类型判断的情况下分析的基础,这个规则是最复杂和创新的集合。我们通过一个例子来说明证明系统。最后,我们将讨论正在进行的工作,并将我们的项目与具有类似目标的现有系统联系起来。
2018-06-26 cs.LO
Reasoning with Higher-Order Abstract Syntax in a Logical Framework
基于具有更高类型量化的直觉或线性逻辑的逻辑框架已成功地用于对程序设计语言和推理系统领域中的许多重要判断给出高级、模块化和形式化的规范。给定这样的规范,考虑证明框架中指定系统的属性是很自然的:例如,给定函数式程序设计语言的求值规范,证明该语言是确定性的或求值保留类型。开发这种推理框架的一个挑战是高阶抽象语法(HOAS),一种优雅的和声明性的对象级抽象和替换处理,很难在涉及归纳的证明中处理。在本文中,我们提出了一个元逻辑,可用于推理使用HOAS编码的判断,这个元逻辑是一个简单的直觉主义逻辑,承认高阶量化简单类型的非线性项(HOAS的关键成分),以及归纳和定义的概念的扩展。我们通过考虑直觉和线性逻辑的编码,探讨了HOAS编码的形式元理论分析的困难,并正式推导出这些逻辑的重要子集的割的容许性。然后,我们提出了一种方法,以避免高阶抽象语法的好处和分析所产生的编码的能力之间的明显的权衡。我们通过涉及简单函数式和命令式程序设计语言PCF和PCF:=的示例来说明这种方法。我们正式推导出这样的属性,作为唯一性的类型,主题减少,确定性的评价,和等价的过渡语义和自然语义表示的评价。
2001-01-15 cs.LO cs.PL
A Logical Programming Language as an Instrument for Specifying and Verifying Dynamic Memory
这项工作提出了一个Prolog方言的表达性和自动化的发现和优先级的问题。给定某个类C程序,如果动态内存在运行时被分配、更改和释放,那么对所需动态内存的描述就是堆规范。根据给定规范检查计算的存储器状态是动态存储器验证。本文只考虑了Hoare演算中的形式规范和验证。发现的问题包括:无效分配、存储单元中的(临时)不可用数据、过多的存储器分配、意外区域中的(意外)堆更改等。过多的内存分配现在已经被像Valgrind这样的内存分析器成功地解决了。从本质上讲,这些领域的论文并没有带来任何大的突破。可能的原因还包括由于更多的可用内存和并行线程而导致的张力降低。然而,从Apt开始,与可变模式有关的问题尚未得到解决-既没有完全解决,也没有以可接受的方式解决。过去几十年的研究成果一次又一次地表明,堆问题仍然存在,仍然很复杂,仍然很重要。Peter O 'Hearn在2016年做出了重大贡献,他因其空间堆操作的并行方法而获得哥德尔奖。
2021-04-04 cs.FL cs.LO cs.PL
Reasoning in Abella about Structural Operational Semantics Specifications
讨论了Abella系统支持的结构化操作语义风格规范的推理方法。该方法使用lambda树语法来处理对象语言绑定,并在泛型判断中编码绑定相关属性。此外,对象语言规范通过递归定义直接嵌入到推理框架中。通过泛型判断来处理绑定隐含地在用于绑定变量的名称中强制执行独特性和原子性。然而,这些属性必须在推理任务中明确。这个目标可以通过允许递归定义也指定原子谓词的通用属性来实现。这些不同的逻辑功能在阿贝拉系统的效用是通过实际的推理任务证明。与其他几个基于逻辑的方法进行了简要的比较。
2008-06-03 cs.LO cs.PL
The Church Synthesis Problem over Continuous Time
该研究将丘奇综合问题推广至非负实数连续时间域,发现连续时间域存在与标准离散自然数域截然不同的现象,拓展了该问题的研究范畴。
2025-07-22 cs.LO
Categorical Construction of Logically Verifiable Neural Architectures
Carnegie Mellon University School of Computer Science(卡内基梅隆大学计算机科学学院)
本文提出一种范畴框架,将逻辑理论作为 Lawvere 理论并通过范畴代数直接构造具有可证明逻辑保证的神经架构,建立了有限逻辑理论与神经架构之间的双射对应关系,从而将范畴深度学习从几何对称性扩展到语义约束。
2025-08-02 cs.AI cs.LO
Inductive Generalization in Reinforcement Learning from Specifications
School of Computer Science(计算机学院);Georgia Institute of Technology(佐治亚理工学院);Indian Institute of Technology - Kanpur(坎普尔印度理工学院)
本文提出一种归纳泛化框架,通过从逻辑规范中学习高阶策略生成器,实现归纳任务实例的零样本策略生成,并在控制基准上验证了其泛化能力。
2024-06-05 cs.AI cs.LG cs.LO
Learning Task Specifications from Demonstrations
University of California, Berkeley(加州大学伯克利分校);SRI International(SRI国际)
现实世界的应用程序通常会自然地分解为几个子任务。在许多设置中(例如,机器人)演示提供了一种指定子任务的自然方式。然而,大多数用于从演示示教学习的方法要么不提供为子任务学习的工件可以安全地重新组合的保证,要么限制可用的组合类型。出于这种赤字,我们考虑的问题推断布尔非马尔可夫奖励(也称为逻辑跟踪属性或规格)提供的代理在一个不确定的,随机的环境中运行的演示。至关重要的是,规范允许定义良好的组合规则,这些规则通常易于解释。在本文中,我们制定的规格推理任务作为一个最大后验概率(MAP)推理问题,应用最大熵的原则,推导出一个解析的演示似然模型,并给出了一个有效的方法来搜索最可能的规格在一个大的候选池规格。在我们的实验中,我们展示了学习规范如何帮助避免由于特设奖励组成而经常出现的常见问题。
2018-10-27 cs.AI cs.LG cs.LO
Revisiting Timed Specification Theories: A Linear-Time Perspective
University of Oxford(牛津大学)
本文基于线性时间语义,提出了一种支持替代精化的定时自动机组合规范理论,核心创新在于一种同时保持安全性和有界活性属性的最弱同余关系。
2012-06-19 cs.LO cs.SE cs.SY
Declarative distributed algorithms as axiomatic theories in three-valued modal logic over semitopologies
本文提出用三值模态逻辑公理化方法形式化分布式算法,通过投票、广播和协议等例子展示其在抽象系统属性中的应用,提供精确且易读的规范以提升正确性与容错性分析。
2026-05-13 cs.DC cs.LO
Constrained Training of Neural Networks via Theorem Proving
University of Edinburgh(爱丁堡大学)
我们介绍了一个定理证明方法的规范和生成的时间逻辑约束的训练神经网络。我们正式的线性时序逻辑的深度嵌入有限的痕迹(LTL $_f$)和相关的评价功能,其语义特征内的高阶逻辑的伊莎贝尔定理证明。然后,我们进行正式的损失函数$\mathcal{L}$,我们正式证明是健全的,可微的功能$d\mathcal{L}$。随后,我们使用Isabelle的自动代码生成机制来生成LTL $_f$、$\mathcal{L}$和$d\mathcal{L}$的OCaml版本,并通过Python的OCaml绑定与PyTorch集成。我们表明,当在现有的动态运动深度学习框架中进行训练时,我们的方法可以为常见的运动规范模式(如避障和巡逻)产生预期的结果。我们的方法的独特好处是完全严格的方法进行约束训练,消除了许多固有的风险,特别是直接在一个“不安全的”程序设计语言,如Python的逻辑方面的实现。
2022-07-08 cs.AI cs.LG cs.LO
A Logic for Choreographies
我们探索逻辑推理的全球演算,协调模型的基础上的概念编排,目的是提供一种方法规范和验证的结构化通信。从Hennessy-Milner逻辑的扩展开始,我们提出了全局逻辑(GL),一种描述编舞中参与者之间可能交互的模态逻辑。我们说明了它的使用给出的服务规范的属性的例子。最后,我们表明,尽管GL是不可判定的,有一个重要的可判定的片段,我们提供了一个健全和完整的证明系统,用于检查公式的有效性。
2011-10-19 cs.DC cs.LO cs.PL