Reconciling Enumerative and Symbolic Search in Syntax-Guided Synthesis
语法引导的综合旨在找到一个既满足语义规范又满足用户提供的结构假设的程序。对于语法引导的综合,有两种主要的搜索策略:具体搜索,它系统地或随机地枚举所有可能的解决方案,和符号搜索,它与约束求解器交互以解决综合问题。在本文中,我们提出了一个concolic综合框架,结合了最好的两个世界。基于一个决策树表示,我们的框架的工作原理是枚举树的高度从最小的可能的一个到较大的。对于每个固定的高度,框架象征性地通过反例引导的归纳合成方法搜索解决方案。为了补偿concolic合成框架的指数爆破问题,我们确定了两个片段的合成问题,并开发纯粹的象征性和更有效的程序。这两个片段是可判定的,因为这些过程是终止和完成的。我们实现了我们的合成程序,并在一系列基准上与最先进的合成器进行了比较。实验结果表明,我们的算法是有前途的。
2018-02-13 cs.LO cs.PL
NeuroSynt: A Neuro-symbolic Portfolio Solver for Reactive Synthesis
Stanford University(斯坦福大学);CISPA Helmholtz Center for Information Security(CISPA亥姆霍兹信息安全中心);X, the moonshot factory(X,登月工厂)
本研究提出神经符号组合求解器框架NeuroSynt,通过无缝集成神经与符号方法、搭配模型检验器保障可靠性,可扩展集成新方法,实验证明其能提升反应式综合求解性能并在SYNTCOMP基准中实现新突破。
2024-01-29 cs.LG cs.LO
Symbolic Parity Game Solvers that Yield Winning Strategies
奇偶博弈在LTL合成中起着重要的作用,最近LTL合成的突破证明了这一点,这部分依赖于奇偶博弈的解决。然而,如果我们想扩展到更大的系统或规格,状态空间爆炸仍然是一个主要问题。为了解决这个问题,我们需要研究符号方法,如BDD,它在过去已经成功地解决了指数大系统。因此,它是必不可少的,有符号奇偶博弈求解算法,使用BDD操作,是快速的,可以产生获胜的策略,用于合成LTL合成的控制器。当前的符号奇偶博弈求解算法不产生获胜策略。我们现在提出两个符号算法,产生获胜的战略,基于最近提出的两个不动点算法。我们实现了算法,并使用从SYNTCOMP 2020获得的基准进行了经验评估。我们的结论是,算法的竞争力或更快比Zielonka的递归算法的早期符号实现,同时还提供了获胜的策略。
2020-09-23 cs.LO
Reactive Synthesis for DECLARE via symbolic automata
给定一个规范的线性时间的时间逻辑解释有限的痕迹(LTLf),反应性合成问题要求找到一个有限表示的,终止控制器的反应,以执行所需的系统规范的不可控的行动的环境。在本文中,我们研究,第一次,反应性的综合问题,DEQUE-一个片段的LTLf广泛用于在理论和实践中指定声明性的,基于约束的业务流程。我们提供三方面的贡献。首先,我们给出了一个朴素的,双指数时间综合算法。第二,我们展示了如何任意的DEPENE规范可以compensarily编码成一个等价的纯过去的LTLf,我们利用这一点来定义一个优化的,单指数时间算法DEPENE合成。第三,我们推导出一个符号版本的算法,通过引入一个新的翻译纯过去的时间公式符号确定性有限自动机。
2022-12-21 cs.FL cs.LO
Symbolic vs. Bounded Synthesis for Petri Games
Petri博弈是一种用于分布式系统自动综合的多人博弈模型。我们比较了两种根本不同的方法来解决Petri游戏。符号方法通过将有限图上的两人博弈简化为两人博弈来确定获胜策略的存在,而这又通过基于二元决策图(BDD)的不动点迭代来求解。有界合成方法将获胜策略的存在性编码为量化布尔公式(QBF),直到策略的大小达到给定的界限。在本文中,我们报告的有界合成方法的原型实现的初步经验。我们比较有界合成的符号方法在合成工具ADAM现有的实施。我们目前的实验结果的基准测试,包括一个新的基准家庭,建模制造和工作流场景与多个并发进程的集合。
2017-11-29 cs.GT cs.LO
Symbolic Abstract Contract Synthesis in a Rewriting Framework
我们提出了一个自动化的技术推断软件合同的程序,写在一个不平凡的片段的C,称为KernelC,支持基于指针的结构和堆操作。从K框架中KernelC的语义定义出发,我们丰富了K最近提供的符号执行设施,具有基于抽象包容的断言合成的新功能。粗略地说,我们定义了一种抽象的符号技术,通过使用同一程序中的其他(观察者)例程来解释(修改器)C函数的执行。我们在自动化工具KindSpec 2.0中实现了我们的技术,该工具通过定义C例程的精确输入/输出行为来生成表达前置和后置条件断言的逻辑公理。
2016-08-19 cs.LO cs.PL
Can LLMs Perform Synthesis?
Northeastern University(东北大学)
本文比较了LLMs与符号工具在程序合成任务中的表现,发现符号工具在多个领域均优于Qwen和GPT-5,且执行时间更短。
2026-03-13 cs.LO cs.PL
Symbolic Synthesis for LTLf+ Obligations
University of Oxford, UK(牛津大学);University of Liverpool, UK(利物浦大学);University of Gothenburg and Chalmers University of Technology, Sweden(哥德堡大学和查尔姆斯理工大学)
研究LTLfp中义务属性的合成,通过符号确定性弱自动机实现高效算法,实验表明其效果与LTLf合成相当。
2026-04-20 cs.AI cs.FL cs.LO
Encodings of Bounded Synthesis
反应合成问题是计算满足时态逻辑中给定规范的系统。有界合成是我们接受的反应合成问题的解决方案的系统的最大尺寸的方法。其结果是,有界合成是可判定的,只要相应的验证问题是可判定的,并可以应用在经典的合成失败的设置,如在分布式系统的合成。本文研究有界综合背后的约束求解问题。我们考虑线性时间时序逻辑(LTL)的有界综合问题的约束系统作为布尔公式(SAT),量化的布尔公式(QBF),和依赖量化的布尔公式(DQBF)的不同减少。这些减少代表了简洁性和算法效率之间的不同权衡。在SAT编码中,系统的输入和状态都是显式表示的;在QBF中,输入是符号的,状态是显式的;在DQBF中,输入和状态都是符号的。我们使用反应合成竞赛(SYNTCOMP)和最先进的求解器的基准系统地评估编码。我们的关键,也许是令人惊讶的,实证发现是,QBF明显优于SAT和DQBF。
2018-03-26 cs.LO
Symbolic LTLf Best-Effort Synthesis
University of Rome “La Sapienza”(罗马大学(萨皮恩扎大学));University of Oxford(牛津大学)
针对非确定性环境下任务无法保证完成的情况,提出并比较多种基于相同组件但组合方式不同的符号化LTLf尽力而为综合方法,实证评估显示组合方式显著影响性能。
2023-08-29 cs.AI cs.FL cs.GT
Dynamic Programming for Symbolic Boolean Realizability and Synthesis
受加权模型计数动态规划进展启发,提出基于分级投影-连接树与BDD的布尔可实现性检查及见证函数综合方法,实现的DPSynth求解器在时间和空间性能上优于同符号表示的启发式方法。
2024-06-20 cs.FL cs.LO
Automated Lemma Synthesis in Symbolic-Heap Separation Logic
分离逻辑的符号堆片段已被积极开发和提倡用于验证计算机程序的存储器安全性质。目前,其最大的挑战之一是有效地证明包含归纳堆谓词的蕴涵。这些蕴涵通常是在验证操作复杂数据结构(如链表、树或图)的程序时生成的证明义务。为了帮助证明这样的蕴涵,本文介绍了一个引理合成框架,自动发现引理,作为尤里卡步骤的证明。数学归纳法和基于模板的约束求解是我们框架的两大支柱。为了导出给定蕴涵的支持引理,框架首先从蕴涵的堆结构中识别可能的引理模板。然后,它建立每个模板的变量之间的未知关系,并进行结构归纳证明,以产生这些关系的约束。最后求解约束条件,找出未知关系的实际定义,从而发现引理。我们已经将这个框架集成到一个原型证明器中,并在各种蕴涵基准上进行了实验。实验结果表明,我们的引理合成辅助证明器可以证明许多蕴涵,不能处理现有的技术。这个新提议为自动推理复杂的归纳堆谓词提供了更多的机会。
2017-11-08 cs.LO cs.PL
Symbolic Execution + Model Counting + Entropy Maximization = Automatic Search Synthesis
我们提出了一种自动合成步骤来解决搜索问题的方法。给定一个搜索问题的规范,我们的方法使用符号执行来分析规范,以提取一组约束模型的问题。这些约束用于称为模型计数的过程中,该过程用于计算将搜索步骤与关于未知目标的谓词相关联的概率分布。概率分布函数确定基于香农熵的信息增益目标函数,当最大化时,产生搜索的下一个最佳步骤。我们证明了我们的算法收敛到一个正确的解决方案,并讨论了计算复杂性的问题。我们实现了一种领域特定的语言,用它来编写搜索问题规范,使我们的静态分析阶段成为可能。我们的实验证明了我们的方法的有效性,一组搜索问题的案例研究的启发域的软件安全,计算几何,AI游戏,和用户偏好排名。
2020-09-23 cs.IT cs.LO math.IT
Feedback Refinement Relations for the Synthesis of Symbolic Controllers
University of the Federal Armed Forces Munich(联邦国防军大学);Technical University of Munich(慕尼黑工业大学)
本文提出了一种抽象和细化方法,用于自动控制器合成以满足通用预定义规范。控制器仅需量化状态信息,通过静态量化器与系统接口,并通过反馈细化关系确保鲁棒性和可证明性。
2017-01-02 cs.LO cs.SY eess.SY
Strategy Synthesis for Zero-Sum Neuro-Symbolic Concurrent Stochastic Games
University of Oxford(牛津大学);University of Glasgow(格拉斯哥大学)
针对神经符号系统正确性验证需求,提出神经符号并发随机博弈模型,证明零和折扣奖励下价值函数性质,首次给出两类实用迭代算法求解该连续状态博弈子类的价值与策略合成问题。
2024-07-11 cs.AI cs.GT cs.LO
Towards Neuro-symbolic Causal Rule Synthesis, Verification, and Evaluation Grounded in Legal and Safety Principles
Hasso Plattner Institute \ of Potsdam Prof.-Dr.-Helmert Str. 2-3, D-14482 Potsdam, Germany;Hasso Plattner Institute \ of Potsdam
本文提出一种神经符号因果框架,结合一阶逻辑抽象树、结构因果模型和深度强化学习,通过Meta层缓解目标误指定问题,实现可扩展的规则维护。
2026-05-11 cs.AI cs.LO
Hybrid Compositional Reasoning for Reactive Synthesis from Finite-Horizon Specifications
Rice University(莱斯大学);State Key Laboratory of Computer Science(计算机科学国家重点实验室);Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所);University of Chinese Academy of Sciences(中国科学院大学)
LTLf合成是一个反应系统的自动化建设,从一个高层次的描述,在LTLf表示,其有限的地平线行为。到目前为止,LTLf公式到确定性有限状态自动机(DFA)的转换已被确定为综合的可扩展性的主要瓶颈。最近的研究还表明,DFA状态空间的大小在合成中也起着至关重要的作用。因此,有效解决综合瓶颈要求转换具有时间和内存性能,并防止状态空间爆炸。然而,目前的转换方法,这是基于显式状态表示或符号状态表示,未能充分解决这些必要性的规模:显式状态的方法产生最小的DFA,但由于昂贵的DFA最小化缓慢。符号状态表示可以是简洁的,但是由于缺乏DFA最小化,它们生成如此大的状态空间,即使是它们的符号表示也不能补偿爆破。这项工作提出了一种混合表示方法的转换。我们的方法利用状态空间的显式和符号表示,并有效地利用它们的互补优势。在这样做的时候,我们提供了一个LTLf到DFA的转换技术,解决了所有三个必要条件,从而解决了瓶颈。一个全面的实证评估转换和综合基准支持我们的混合方法的优点。
2020-02-17 cs.AI cs.FL cs.LO
A rewriting-logic-with-SMT-based formal analysis and parameter synthesis framework for parametric time Petri nets
LIPN CNRS UMR 7030 Université Sorbonne Paris Nord(巴黎北大学国家科学研究中心联合研究实验室);Pohang University of Science and Technology(韩国科学技术院);University of Oslo(奥斯陆大学)
本文提出了一种用于参数时间Petri网的形式化分析与参数综合框架,利用重写逻辑与SMT求解器实现精确语义分析,通过符号可达性方法实现参数综合,实验表明方法在多个方面优于现有工具。
2024-09-12 cs.LO
Safraless Synthesis for Epistemic Temporal Specifications
在本文中,我们解决的规范在线性时间单智能体认知逻辑,KLTL(或$KL_1$),在单智能体系统的环境状态的信息不完善的综合问题。Van der Meyden和Vardi证明了这个问题是2 Exptime完全的。然而,他们的过程依赖于复杂的自动机构造,这些构造由于使用类似Safra的确定性而对有效实现具有众所周知的抵抗力。我们提出了一个“Safraless”的合成过程中的一个大片段的KLTL。该构造首先利用信息集构造将合成问题转化为通用co-Büchi树自动机的空性检验问题。然后,我们建立了一个安全的游戏,可以使用基于反链的符号技术,利用底层自动机的结构来解决。该技术的实施和应用到一对夫妇的案例研究。
2014-05-02 cs.LO
Distributed PROMPT-LTL Synthesis
我们认为,在提示线性时序逻辑(PROMPT-LTL),它扩展了LTL的时间运营商配备了参数,约束其范围的规范的分布式实现的合成。对于单过程综合,这是公认的,这样的参数扩展不会增加最坏情况下的复杂性。对于同步系统,我们表明,尽管是更强大的,分布式的可实现性问题的PROMPT-LTL并不比它的LTL对应。对于异步系统,我们必须考虑一个假设保证合成问题,因为我们必须表达调度假设。由于异步分布式综合对于LTL已经是不可判定的,我们给出了基于有界综合的PROMPT-LTL假设保证综合问题的半判定过程。
2016-09-14 cs.GT cs.LO
Modular Compilation of a Synchronous Language
同步语言依赖于形式化方法,以一种高效和可重用的方式简化应用程序的开发。形式化方法一直被提倡作为一种提高系统可靠性的手段,特别是那些安全或业务关键的系统。由于状态爆炸、不可判定性等限制,开发自动规格说明和验证工具仍然是困难的。在这项工作中,我们设计了一个新的规范模型的基础上反应同步的方法。然后,我们受益于一个正式的框架,非常适合执行编译和正式的系统验证。在实践中,我们设计并实现了一个专用语言(LE)和它的两个语义:抽象语义帮助我们定义一个程序的行为集,并避免在程序的解释歧义;执行等式语义允许模块化编译程序到软件和硬件目标(C代码,VHDL代码,FPGA综合,观察员)。考虑到关键现实应用程序的两个主要要求,我们的方法是相关的:模块化编译使我们能够处理大型系统,基于模型的方法为我们提供了正式的验证。
2008-01-24 cs.LO cs.PL
Distributed Synthesis for Parameterized Temporal Logics
我们认为,在参数化的时间逻辑,如PROMPT-LTL,它扩展LTL的时间运营商配备了参数,约束其范围的规范的分布式实现的合成。对于单过程综合,这是公认的,这样的参数扩展不会增加最坏情况下的复杂性。对于同步分布式系统,我们表明,尽管是更强大的,PROMPT-LTL的可实现性问题并不比它的LTL对应。对于异步系统,我们必须表达调度假设,因此考虑一个假设保证合成问题。由于异步分布式综合对于LTL已经是不可判定的,我们给出了基于有界综合的PROMPT-LTL假设保证综合问题的半判定过程。最后,我们证明了我们的结果扩展到更强的逻辑PLTL和PLDL。
2018-02-26 cs.GT cs.LO
Formal Synthesis of Lyapunov Neural Networks
University of Oxford(牛津大学);Amazon Inc.(亚马逊公司)
我们提出了一个自动的和正式的声音的方法来合成李雅普诺夫函数的自治非线性系统的渐近稳定性。传统的方法要么是分析性的,需要人工劳动,要么是数值的,但缺乏形式上的合理性。介于两者之间的李雅普诺夫函数的符号计算方法给出了正式的保证,但通常是半自动的,因为它们依赖于用户提供适当的函数模板。我们提出了一种方法,发现李雅普诺夫函数完全自动$-$使用机器学习$-$,同时还提供正式的保证$-$使用可满足性模理论(SMT)。我们采用了一个反例引导的方法,其中一个数值学习器和一个符号验证器相互作用,以构建可证明正确的李雅普诺夫神经网络(LNN)。学习者训练一个满足样本集渐近稳定性的李雅普诺夫准则的神经网络;验证者通过SMT求解证明整个域都满足该准则,或者用反例增加样本集。我们的方法支持具有多项式激活函数和多个深度和宽度的神经网络,这些神经网络具有广泛的学习能力。我们证明了我们的方法在几个非平凡的基准和比较有利的数值优化为基础的方法,一个符号模板为基础的方法,和同源LNN为基础的方法。我们的方法合成李雅普诺夫函数更快,更广泛的空间域比的替代品,但提供更强或同等的保证。
2020-06-24 cs.LG cs.LO cs.SY
Efficient Timeout Synthesis in Fixed-Delay CTMC Using Policy Iteration
本文研究了具有固定延迟转移的连续时间马尔可夫链的固定延迟综合问题。我们的目标是合成固定延迟(超时)的具体值,使达到给定的一组目标状态之前产生的预期总成本最小化。同样的问题已经被认为是解决在以前的作品中计算的最优策略,在一定的离散时间马尔可夫决策过程(MDP)与大量的行动,对应于适当的离散值的超时。在本文中,我们设计了一个符号固定延迟综合算法,避免了显式构造大的行动空间。相反,该算法根据需要计算一小部分“有希望的”候选动作。通过计算其符号导数并提取一个一元多项式来最小化某个目标函数,从而选择候选动作,该一元多项式的根恰好是导数取零值的点。由于高次一元多项式的根可以非常有效地隔离使用现代数学软件,我们不仅实现了大幅节省内存,但也加速了三个数量级相比,以前的方法。
2016-07-01 cs.LO cs.PF
Supervisory Controller Synthesis for Non-terminating Processes is an Obliging Game
本文提出了一种新的算法来解决被建模为$ω$ -正则自动机的非终止过程的监督控制问题。这个问题的解决方案是由Thistle在1995年获得的,它使用了自动机的复杂操作。我们展示了一个新的解决方案,通过减少义务游戏,这反过来,可以减少到$ω$ -定期反应合成的问题。因此,我们的减少结果在一个符号算法的基础上操纵状态集使用的工具反应合成。
2021-08-26 cs.LO cs.SY eess.SY
LTL Parameter Synthesis of Parametric Timed Automata
参数时间自动机的参数综合问题是不可判定的,即使是非常简单的可达性。在本文中,我们引入了参数估值的限制下,参数综合问题是可判定的LTL性能。所研究的有界整数参数综合问题可以使用所有可能的参数赋值的显式枚举来解决。我们提出了一种替代的符号区域为基础的方法,这个问题的结果在一个更快的计算。我们的技术扩展了基于自动机的LTL模型检验的时间自动机的方法的思想。为了证明我们的方法的有用性,我们提供了实验评估和比较我们的方法与显式枚举技术。
2016-03-04 cs.FL cs.LO
LTL Reactive Synthesis with a Few Hints
我们研究了一个变种的问题,合成Mealy机,执行LTL规格对所有可能的行为的环境,包括敌对的。在这里研究的变体中,用户提供了系统的高级LTL规范,以设计,以及解决方案必须产生的一组执行示例E。我们的合成算法分为两个阶段。首先,它使用自动机学习算法的定制扩展来概括沿着示例E采取的决策。这个阶段概括了E中用户提供的示例,同时保留了可实现性。其次,该算法将学习阶段得到的(通常)不完全Mealy机转化为完全Mealy机,从而实现了并行学习。这些例子被用来指导合成过程。我们提供了一个完整的结果,表明我们的程序可以学习任何Mealy机M,实现了一个小的(多项式)集的例子。我们还表明,我们的问题,推广经典的LTL合成问题(即当E = { \emptyset }),匹配其最坏情况下的复杂性。从E学习的额外成本在E的大小和实现可扩展性的解决方案的符号表示的大小上是偶数多项式。该符号表示是由在Acacia-Bonzai中实现的合成算法在解决普通LTL合成问题时计算的。我们说明了我们的方法的一组例子的实际利益。
2023-01-25 cs.FL cs.GT cs.LO
Neuro Symbolic Reasoning for Planning: Counterexample Guided Inductive Synthesis using Large Language Models and Satisfiability Solving
Florida International University(佛罗里达国际大学);SRI International(SRI国际(斯坦福国际研究院));United States Military Academy(美国军事学院(西点军校));University of Colorado Boulder(科罗拉多大学博尔德分校);University of Central Florida(中佛罗里达大学);Vanderbilt University(范德堡大学)
本文提出 LLM 与 SMT 求解器迭代交互的神经符号框架,通过反例反馈修正规划综合结果,并在积木规划任务中验证其可生成可证明正确的解。
2023-09-28 cs.AI cs.LO
Symbolic Control for Stochastic Systems via Finite Parity Games
该研究针对随机非线性系统,通过将其抽象为2.5玩家奇偶博弈,提出符号控制方法以计算ω-正则规范满足概率的下界,在双稳态开关模型上性能优于现有工具。
2026-11-16 cs.LO cs.SY eess.SY