Comparative concept similarity over Minspaces: Axiomatisation and Tableaux Calculus
LSIS - UMR CNRS 6168（法国国家科学研究中心6168联合研究实验室（LSIS））；LIF - UMR CNRS 6166（法国国家科学研究中心6166联合研究实验室（LIF））
我们研究的逻辑比较概念相似性$\CSL$介绍谢列梅特，Tishkovsky，沃尔特和Zakharyaschev捕捉一种形式的定性相似性比较。在这个逻辑中，我们可以用公式表示断言的形式“对象A与B比与C更相似”。这种逻辑的语义定义的距离函数评估对象的相似度配备的结构。我们认为在这里的特殊情况下的语义引起的\emph{minspaces}，后者是距离空间的最小值的一组距离总是存在的。事实证明，任意极小空间上的语义可以等价地用条件逻辑的典型优先结构来指定。我们首先给出一个直接的公理化这个逻辑在Minspaces。接下来，我们定义一个决策过程的形式tableaux演算。演算和公理化都利用了优先结构的语义重构。
2009-02-05 cs.AI
Possibility as Similarity: the Semantics of Fuzzy Logic
SRI International（SRI国际公司）；Artificial Intelligence Center（人工智能中心）
本文讨论的基本问题的性质的概念和结构的模糊逻辑，特别是集中在概念和功能之间存在的差异，概率和可能性的方法。语义模型提供了一个基本框架，通过一个函数来定义可能性结构和概念，该函数量化了可能世界对之间的接近度、接近度或相似性。由此产生的模型是一个自然的扩展，基于多个可构思的关系，模态逻辑概念的必要性和可能性。相比之下，面向机会的概率概念和结构依赖于集合扩展的度量，这些度量量化了命题为真的可能世界的比例。可能世界之间的相似性通过广义相似关系来量化：一个函数，它为每对可能世界分配一个介于O和1之间的数字。使用这种相似关系，这是一种形式的数字补充的一个经典的度量或距离，这是可能的定义和解释的主要结构和方法的模糊逻辑：条件和无条件的可能性和必要性分布和广义前件的扎德。
2013-03-27 cs.AI
FLORA: Unsupervised Knowledge Graph Alignment by Fuzzy Logic
Télécom Paris, Institut Polytechnique de Paris（巴黎电信学院，巴黎理工学院）
本文提出FLORA，一种基于模糊逻辑的无监督知识图谱对齐方法，无需训练数据，可迭代对齐实体和关系，提供可解释结果并允许悬空实体，在主要基准上达到最先进性能。
2025-10-23 cs.AI cs.DB
Logic-based similarity
本研究以一阶逻辑基础概念和模型论的类型概念为基础，从零构建了一种定性的、基于逻辑的相似性概念，为相似性研究提供了逻辑层面的新框架。
2023-03-08 cs.AI cs.LO math.LO
Technical Report -- A Context-Sensitive Multi-Level Similarity Framework for First-Order Logic Arguments: An Axiomatic Study
本文提出一种针对一阶逻辑论证的多级相似性框架，结合扩展公理基础、四层参数模型及上下文加权机制，以提升论证相似性分析的准确性与可解释性。
2026-04-14 cs.AI cs.LO
NSFL: A Post-Training Neuro-Symbolic Fuzzy Logic Framework for Boolean Operators in Neural Embeddings
Huawei Tel-Aviv Research Center（华为特拉维夫研究中心）
NSFL框架通过适应形式t-范数和t-余范数，为神经嵌入空间提供多原子逻辑约束的计算方法，提升检索性能，实现高达81%的mAP提升。
2026-04-12 cs.AI cs.CL cs.IR
Intrinsic Evaluation of RAG Systems for Deep-Logic Questions
Miner School of Computer \& Information Sciences, University of Massachusetts, Lowell, MA, USA
本文提出整体性能指数OPI来内在评估RAG系统在深度逻辑问题上的表现，并通过对LangChain的实验表明BERT嵌入相似度与外在评估强相关，且组合多个检索器优于单一检索器。
2024-10-03 cs.AI
Logic Against Bias: Textual Entailment Mitigates Stereotypical Sentence Reasoning
MIT Computer Science and Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室）
由于其基于相似性的学习目标，预先训练的句子编码器经常内化反映其训练语料库中存在的社会偏见的刻板假设。在本文中，我们描述了流行的句子表示模型中存在的关于不同社区的几种刻板印象，包括预训练的下一句预测和对比句子表示模型。我们比较这样的模型文本蕴涵模型，学习语言逻辑的各种下游语言理解任务。通过比较基于文本相似度的强预训练模型和文本蕴涵学习，我们得出结论，具有文本蕴涵的显式逻辑学习可以显著减少偏见，提高社会社区的识别，而无需显式的去偏见过程
2023-03-10 cs.AI cs.CL cs.CY
Ceteris paribus logic in counterfactual reasoning
University of Auckland（奥克兰大学）
大卫·刘易斯的反事实语义学在不太可能或不可能的事件基础上受到了挑战。这样的事件可能会扭曲一个给定的相似顺序，有利于那些展示它们的可能世界。通过根据其他条件不变的子句更新模型的关系结构，人们以自然的方式排除了那些不满足子句要求的可能世界。我们开发了一个其他条件不变的逻辑反事实推理能够执行这样的行动，并提供了几种替代（放松）的其他条件不变的解释。我们应用这个框架的方式，使我们能够反事实的原因，而不会有我们的相似性顺序不太可能的事件。这是对其他条件不变推理的研究的继续，其他条件不变推理以前曾被应用于偏好、游戏形式的逻辑和决策问题等领域。
2016-06-24 cs.AI cs.LO
Logic Contrastive Reasoning with Lightweight Large Language Model for Math Word Problems
Zhejiang Lab（之江实验室）
本文提出一种基于逻辑相似度筛选参考问题并结合正负例提示的轻量级大语言模型数学推理方法，首次将检索增强生成用于数学解题，在SVAMP和GSM8K上分别提升15.8%和21.5%，并分析了推理错误。
2024-08-29 cs.AI cs.CL
Truth as Utility: A Conceptual Synthesis
本文介绍了综合功利和逻辑概念的概念关系，扩展了雷舍尔的偏好逻辑。我们首先定义，在一个可能的世界模型的背景下，约束依赖的措施，量化的相对质量的替代解决方案的推理问题或相对可取的各种政策的控制，决策和规划问题。我们表明，这些措施可以被解释为真值在多值逻辑和提出的机制，复杂的约束表示为简单的限制的组合。这些扩展的逻辑运算也允许将特定目标的质量度量组合和聚合成效用的全局度量。我们还确定代表不同的偏好之间的替代解决方案的关系，并将它们与先前定义的可取性措施。扩展传统的模态逻辑公式，我们介绍了结构的表示无知的效用的替代解决方案。最后，我们研究这些概念之间的关系和基于相似性的语义模型的模糊逻辑。
2013-03-20 cs.AI
Efficient Logic Gate Networks for Video Copy Detection
Wroclaw University of Science and Technology（弗罗茨瓦夫理工大学）
本研究提出基于可微逻辑门网络的视频拷贝检测框架，结合帧小型化等技术，其模型精度相当或更优，描述符尺寸极小，推理速度超每秒1.1万样本，为该任务提供了高效替代方案。
2026-04-23 cs.AI cs.CV cs.IR
LoSemB: Logic-Guided Semantic Bridging for Inductive Tool Retrieval
The Hong Kong Polytechnic University（香港理工大学）
LoSemB通过逻辑引导的语义桥接框架，在无需重新训练的情况下实现高效归纳工具检索，缓解分布偏移和相似度检索的脆弱性。
2026-01-21 cs.AI cs.CL
Learner to learner fuzzy profiles similarity using a hybrid interaction analysis grid
University Ferhat Abbes of Setif（塞提夫费尔哈特·阿巴斯大学）；University of Poitiers（普瓦捷大学）
对远程讨论的分析还没有达到与面对面讨论相同的水平。本文件有两方面的期望。一方面，它试图通过一个半结构化的同步交流工具，利用言语行为在学习者之间建立一个合适的互动和协作环境。另一方面，它旨在通过匹配BALES的IPA和PLETY的分析系统来定义行为特征和人际技能的混合网格。通过应用模糊逻辑，我们形式化人类的推理，因此，给非常可观的灵活性，使用它的推理，这使得有可能考虑到不精确性和不确定性。此外，教育数据采掘技术被用来优化行为的映射到学习者的配置文件，基于相似性的聚类，使用Eros和PCA措施。为了验证系统的有效性，我们对真实数据进行了实验。结果表明，除其他外：（1）模糊逻辑的有用性，以适当地转换成一个数学格式的配置文件的文本描述，（2）学习者的行为的不规则性，（3）配置文件之间的相关性，（4）Eros方法的优越性，PCA因子的精度。
2021-10-01 cs.AI cs.IR cs.MA
SALA: Semantic-Aware Logical Alignment for Complex Reasoning in In-Context Learning
School of Software Engineering, Sun Yat-sen University（中山大学软件工程学院）；School of Artificial Intelligence, Sun Yat-sen University（中山大学人工智能学院）；Merchants Union Consumer Finance Company Limited（招商局联融消费金融股份有限公司）
针对上下文学习中传统示例选择方法无法捕捉推理逻辑、刚性逻辑方法适配性差的问题，提出SALA框架，通过自动学习任务特定推理操作并结合动态时间规整实现灵活可解释的逻辑对齐，在多基准和多LLM上性能优于现有方法。
2026-09-03 cs.AI cs.CL
GraphIC: A Graph-Based In-Context Example Retrieval Model for Multi-Step Reasoning
GraphIC是一种基于图的上下文示例检索模型，通过推理意识的表示和专门相似性度量提升LLM在多步推理中的性能。
2025-11-30 cs.AI
