来源敏感的信念改变

信念修正和3值逻辑：19，683个信念改变算子的特征

Belief revision and 3-valued logics: Characterization of 19,683 belief change operators

在大多数经典的信念改变模型中，认知状态由理论（AGM）或公式（Katsuno-Mendelzon）表示，新的信息由公式表示。修正算子的表示定理说，算子由全预序表示。这一重要的表征被Darwiche和Pearl利用来将认识状态的概念转移到一个更抽象的概念上，其中认识状态的范式实际上是对解释的总的前序。在这项工作中，我们引入了一个3值逻辑，其中的公式可以确定与概括的总前序的三个级别：排名功能映射到真值的解释。然后我们分析了此类结构的一些变化并给出了它们的句法特征。

非单调推理与信念变化的可逆性

Non-monotonic Reasoning and the Reversibility of Belief Change

传统的非单调推理方法不能满足一些可信的信念修正公理，并遭受概念上的困难。最近的工作排名优惠模型（RPM）的承诺，以克服这些困难。在这里，我们表明，RPM是不足以处理迭代的信念变化。具体来说，我们表明，RPM并不总是允许信仰变化的可逆性。这一结果表明，需要信念的数值强度。

概率信念变化：扩展、条件作用与约束

Probabilistic Belief Change: Expansion, Conditioning and Constraining

信念修正的AGM理论已成为研究理性信念变化的重要范式。不幸的是，研究人员在这一范式限制了他们的注意力相当简单的信念状态表示，即逻辑封闭的命题句子集。在我们看来，这导致了对信念改变操作的过于抽象的分类：扩张、修正或收缩。偶尔，在AGM范式中，也考虑了概率信念变化，并且广泛接受概率版本的扩展是条件反射。然而，我们认为，它可能是更正确的视条件和扩展为两种本质上不同的信念变化，我们所谓的约束是一个更好的候选人被认为是概率扩展。

从 Doyle 到 AGM：信念变更的综述与实现路线图

From Doyle to AGM: A Survey and an Implementation Roadmap for Belief Change

该研究通过叙事综述梳理信念修正从计算起源到 AGM 框架及当代方法的演化，明确 AGM 前后的关联与转变，为计算信念变更的实现研究提供理论基础与路线图。

部分交、核与下收缩之间的联系及其在Horn逻辑中的应用

On the Link between Partial Meet, Kernel, and Infra Contraction and its Application to Horn Logic

标准的信念改变假设一个包含完整的经典命题逻辑的底层逻辑。然而，在表达性较低的逻辑中也有充分的理由考虑信念变化。在本文中，我们建立在最近的调查Delphon收缩霍恩逻辑。我们表明，标准的基本形式的收缩，部分满足，是太强的霍恩的情况下。这一结果与Delaware的猜想相反，Delaware猜想有序的maxichoice是Horn逻辑的适当收缩形式。然后，我们定义了一个更合适的概念的基本收缩的霍恩的情况下，受凸性属性举行充分的命题逻辑，我们称之为infra收缩。这项工作的主要贡献是一个结果表明，建设方法霍恩收缩的信念集的基础上，我们的infra剩余集完全对应于汉森的经典内核收缩的信念集，当限制到霍恩逻辑。这个结果是通过信念基的收缩绕道而得到的。我们证明，核心收缩的信念基地产生完全相同的结果作为信念基地版本的infra收缩。使用的信念基地，以获得这一结果提供了证据的猜想，霍恩信念变化最好被视为一个混合版本的信念集的变化和信念基地的变化。与基地收缩的链接的后果之一是提供一个代表性的结果霍恩收缩的信念集，其中一个版本的核心保留假设的功能。

信念修正：一种批判

Belief Revision: A Critique

我们仔细研究的基本原理的信念改变的方法在文献中，并强调我们认为的方法问题。我们认为，要仔细研究信念变化，我们必须非常明确的“本体论”或信念变化过程中的场景。这是在以前的工作中所缺少的，它的重点是假设。我们的分析表明，我们必须特别注意两个问题，往往被认为是理所当然的：第一个是我们如何建模代理的认知状态。(Do我们使用一组信念，或者一个更丰富的结构，比如世界的排序？如果我们使用一组信念，这些信念用什么语言表达？）我们表明，即使假设已被称为“无可争议”是不合理的，当代理人的信念包括她自己的认识状态以及外部世界的信念。二是意见的现状。(Are观察是真实的，还是只是相信的？在后一种情况下，信念有多坚定？）当我们考虑迭代的信念修正时，关于观测状态的问题尤其会出现，我们必须面对由p修正然后由非p修正的可能性。

相信与不相信的逻辑

Some logics of belief and disbelief

在知识表示的逻辑中引入明确的拒绝或不信任概念，可以通过多种方式证明是合理的。动机的范围从需要的版本的否定弱于经典的否定，明确记录经典的信念收缩操作在该地区的信念变化，并从扩展版本的信念变化，其中包括不相信收缩获得的额外水平的表达。在本文中，我们提出了四个逻辑的怀疑，解决部分或所有这些直觉。稳健性和完整性的结果提供和逻辑比较方面的适用性和实用性。

由于行动和观察而导致的反复信念变化

Iterated Belief Change Due to Actions and Observations

在行动领域，代理人可能有错误的信念，推理的影响，行动涉及推理信念的变化。在本文中，我们使用一个过渡系统的方法来推理代理信念的演变，因为行动的执行。一些动作导致代理执行信念修正，而另一些动作导致代理执行信念更新，但是修正和更新之间的交互可以是非基本的。我们提出了一套合理性属性描述修订和更新之间的相互作用，我们引入了一类新的信念变化算子的推理交替序列的修订和更新。我们的信念改变运营商的特点是在一个自然的移位操作总预排序的解释。我们比较了我们的方法与相关工作迭代的信念变化，由于行动，我们得出的结论与未来的研究方向。

一个定性的马尔可夫假设及其对信念变化的意义

A Qualitative Markov Assumption and its Implications for Belief Change

信念变化的研究一直是哲学和人工智能领域的一个活跃领域。近年来，人们对信念改变的两种特殊情况--信念修正和信念更新进行了详细的研究。粗略地说，review将一个令人惊讶的观察结果视为以前的信念是错误的，而update将一个令人惊讶的观察结果视为世界已经改变的迹象。一般来说，我们可以预期，一个进行观察的主体可能既想修正一些早期的信念，又想假设世界发生了一些变化。我们定义了一种新的方法来改变信念，使我们能够做到这一点，通过应用概率论的思想在定性设置。关键思想是使用定性马尔可夫假设，即状态转换是独立的。我们表明，最近的方法来建模定性的不确定性，使用可扩展性措施，使我们能够在一个相对简单的方式，这样一个定性的马尔可夫假设，并显示如何马尔可夫假设可以用来提供一个有吸引力的信念变化模型。

信念变化算子的抽象世界语义框架

An Abstract Worlds Semantic Framework for Belief Change Operators

提出一种无逻辑语法的集合论框架——抽象世界语义，通过将世界视为原始元素并定义世界收缩与修正算子，统一分析信念变化模型，并推广至经典与非优先信念变化。

动态系统中的信念建模，第II部分：修订和更新

Modeling Belief in Dynamic Systems, Part II: Revision and Update

信念变化的研究一直是哲学和人工智能领域的一个活跃领域。近年来，人们对信念改变的两种特殊情况--信念修正和信念更新进行了详细的研究。在一篇配套论文（Friedman & Halpern，1997）中，我们引入了一个新的框架来模拟信念变化。这个框架结合了时间和认知模态的概念，使我们能够检查随着时间的推移信念的变化。在本文中，我们将展示如何在我们的框架中捕获信念修正和信念更新。这使我们能够比较每种方法所做的假设，并更好地理解它们背后的原理。特别是，它表明，胜野和Mendelzon的信念更新的概念（胜野和Mendelzon，1991年a）取决于几个强有力的假设，可能会限制其在人工智能的适用性。最后，我们的分析使我们能够确定一个概念，最小的变化，基础广泛的信念改变操作，包括修订和更新。

将概率信念变化想象为成像（技术报告）

Imagining Probabilistic Belief Change as Imaging (Technical Report)

成像是一种概率信念改变的形式，可以用于修订和更新。在本文中，我们提出了一个新的框架，概率信念变化的基础上成像，称为预期距离成像（EDI）。EDI是足够普遍的定义贝叶斯条件和其他形式的成像以前在文献中定义。我们认为，并调查如何，EDI可以用于修订和更新。EDI的定义取决于至关重要的权重函数的性质进行了研究，并分析了其对信念改变操作的影响。最后，提出了四个EDI实例，两个用于修订和两个用于更新，并提出了概率合理性假设进行分析。

情境演算中噪声感知的信念变化

Belief change with noisy sensing in the situation calculus

情境演算在人工智能中被广泛应用于对动态系统中的行为和变化进行建模和推理。由于Agent的行为会引起Agent信念的不断变化，如何管理这些变化是一个非常重要的问题。Shapiro等人[22]是考虑这个问题的研究之一。然而，在这个框架中，没有考虑在现实世界的应用中经常出现的噪声感测的问题。因此，在这个框架中，嘈杂的感知行动将导致代理面临不一致的情况，随后代理不能继续前进。在本文中，我们探讨如何嘈杂的感知行动可以处理迭代信念变化的情况演算形式主义。我们扩展了[22]中提出的框架，具有管理噪声感知的能力。我们证明了一个代理仍然可以检测到的实际情况时，嘈杂的传感动作与准确的传感动作的比例是有限的。我们证明了当所有感知动作都是准确的时，我们的框架包含了[22]中的迭代信念改变策略。此外，我们证明了我们的框架可以充分处理信念内省，错误信念，信念修正和信念更新，即使有噪声感知，如[22]中仅使用准确的感知动作。

回答集程序设计中信念改变的一般方法

A general approach to belief change in answer set programming

我们解决问题的信念改变（非单调）逻辑编程下的答案集语义。与以往的方法，相信逻辑编程的变化，我们的形式化技术类似于那些基于距离的信念修正命题逻辑。在发展我们的结果，我们建立在SE模型提供的逻辑程序的模型理论。由于SE模型提供了一个正式的，单调的逻辑程序的特点，我们可以适应技术从信仰的修订领域的信念改变逻辑程序。我们分别介绍了修改和合并逻辑程序的方法。对于前者，我们研究了基于子集的修订以及基数为基础的修订，我们表明，他们满足大多数的AGM修改假设。对于合并，我们考虑仲裁合并和IC合并后的运营商，分别。我们还提出了编码计算的修订，以及合并的逻辑程序在同一逻辑编程框架内，引起我们的方法在现成的答案集求解器方面的直接实施。这些编码反过来反映了这样一个事实，即我们的变化操作符并没有增加基本形式主义的复杂性。

随机信念修正与更新及其组合

On Stochastic Belief Revision and Update and their Combination

我提出了一个框架，代理改变其概率信念时，观察到一个新的命题信息$α$。传统上，信念改变通过修正过程或更新过程发生，这取决于代理是否在静态世界中被告知$α$，或者分别取决于$α$是否是由于事件发生而来自环境的“信号”。Boutilier提出了一个定性信念变化的统一模型，该模型“结合了修订和更新的各个方面，提供了一个更现实的信念变化特征。在本文中，我提出了一个定量信念变化的统一模型，其中代理人的信念表示为可能世界上的概率分布。正如Boutilier一样，我采取了动力系统的观点。对所提出的方法进行了评估，对几个合理性假设，并制定了该方法的一些性质。

认知态度及其变化的定性理论

A Qualitative Theory of Cognitive Attitudes and their Change

本文提出一个通用逻辑框架，用于推理智能体的认知态度（如知识、信念、欲望等），并给出两种扩展（选择与动态算子），应用于不完全信息博弈，提供可靠完备的公理化。

关于演绎封闭且最小变更的洛克式信念

On Lockean beliefs that are deductively closed and minimal change

本文针对洛克式信念集不封闭于经典演绎的问题，提出两类封闭信念集的特征刻画，并设计概率更新方法实现最小修订，以最少变更达成演绎封闭。

逻辑程序的保语法信念变换算子

Syntax-Preserving Belief Change Operators for Logic Programs

最近的方法已经适应了成熟的AGM和信念基础框架的信念变化，以涵盖信念修订逻辑程序。在这项研究中，我们提出了两套新的信念改变运营商的逻辑程序。它们专注于保留程序规则中表达的显式关系，这是纯语义方法中缺少的一个功能，这些方法只考虑程序的整体。特别是，后一类的运营商未能满足保存和支持，两个重要的属性，信仰改变逻辑程序，以确保直观的结果。我们解决这个缺点，现有的方法通过引入部分满足和安置结构的逻辑程序信念的变化，这使我们能够定义语法保持运营商，满足保存和支持。我们的工作是新颖的，我们的建设不仅保留更多的信息，从一个逻辑程序在一个变化的操作比现有的，但他们也促进自然定义的收缩运营商，第一次在该领域尽我们所知。为了评估我们的运营商的合理性，我们翻译的修订和收缩假设从AGM和信念基础框架的逻辑编程设置。我们表明，我们的运营商完全符合信念基础的框架，并正式声明我们的运营商之间的相互定义。我们进一步提出了一种算法，该算法是基于模块化的逻辑程序，以减少部分满足和安置的修订或收缩，只执行该程序的相关模块上的操作。最后，我们比较我们的方法，两个国家的最先进的逻辑程序修订方法，并证明我们的运营商解决的缺点之一，并概括了其他方法。

机器学习即遵循Darwiche与Pearl范式的迭代信念变更

Machine Learning as Iterated Belief Change a la Darwiche and Pearl

本研究针对此前用全交AGM信念变更理论建模二元ANN训练的局限，证明Dalal方法可实现信念状态渐进演化，且用符合Darwiche-Pearl框架的词典序修正与适度收缩能更有效建模二元ANN训练动态。

信念变化中的减算子

Decrement Operators in Belief Change

在迭代信念改变领域中，迭代修正的研究占主导地位，而迭代收缩算子类近年来受到了更多的关注。在这篇文章中，我们研究了迭代收缩的非优先概括。特别地，引入了一类弱减量算子，这是通过多个步骤实现与收缩相同的算子。受Darwiche和Pearl的迭代修正工作的启发，定义了减量算子的子类.对于这两个，减量和弱减量运营商，提出了假设，并为他们每一个都给出了一个表示定理的框架下的全预序。此外，我们提出了两个子类型的减量运营商。

将Harper恒等式扩展到迭代信念变化

Extending the Harper Identity to Iterated Belief Change

迭代信念改变的领域主要集中在修正上，AGM信念改变理论的另一个主要算子，即收缩，受到的关注相对较少。本文将一步变化的Harper恒等式推广到迭代修正的迭代压缩。具体地说，正如哈珀恒等式提供了一个根据（i）初始信念集和（ii）由非A修正产生的信念集来定义由收缩A产生的信念集的方法，我们研究了根据（iii）初始可扩展性排序来定义由收缩A产生的世界上的可扩展性排序的方法，以及（iv）由非A的修订产生的可解释性排序。在注意到最直接的这种扩展会导致允许的排序空间的平凡化后，我们提供了一个家庭的运营商相结合的可扩展性排序，避免这样的结果。这些运营商的特点是在我们感兴趣的领域由一对直观的令人信服的属性，从而使推导出一些迭代的收缩公设从公设迭代修订。我们完成观察，这个家庭的一个突出的成员允许导出的同行收缩的一些著名的迭代修订运营商，以及定义新的迭代收缩运营商。

Who's the Expert? On Multi-source Belief Change

Consider the following belief change/merging scenario. A group of information sources gives a sequence of reports about the state of the world at various instances (e.g. different points in time). The true states at these instances are unknown to us. The sources have varying levels of expertise, also unknown to us, and may be knowledgeable on some topics but not others. This may cause sources to report false statements in areas they lack expertise. What should we believe on the basis of these reports? We provide a framework in which to explore this problem, based on an extension of proposition…

基于概率的信念修正

Belief Revision from Probability

本文研究相对问题的概率信念理论在信念动态中的推论，刻画其介于 AGM 与 Locke 理论之间的修正原则，并给出受限模型类上的附加原则及相对优势。

关于Darwiche和Pearl迭代信念更新公设的研究

An Investigation of Darwiche and Pearl's Postulates for Iterated Belief Update

本文针对Rodrigues迭代信念更新方法不满足基本要求的问题，基于信念状态修改KM公设，将迭代信念修正公设迁移到信念更新，并给出偏预序语义刻画及相容性分析。

Desirability-Indifference框架中的条件化与类AGM信念变更

Conditioning and AGM-like belief change in the Desirability-Indifference framework

本文在Desirability-Indifference框架中扩展AGM信念变更以处理条件化，利用抽象选项与事件概念，同时适用于经典与量子概率论。

基于知识测度的信念变更

Belief Change based on Knowledge Measures

提出基于知识测度的定量信念变更框架，定义最小意外原则下的信念变更算子，满足AGM公设，并刻画所有AGM算子，引入信息损失/增益/变化测度，探讨迭代修订与严重撤回模型。

比较辩证系统：信念变化中的矛盾与反例（扩展版）

Comparing Dialectical Systems: Contradiction and Counterexample in Belief Change (Extended Version)

本文通过证明q-辩证系统严格强于p-辩证系统，回答了开放问题，凸显反例与矛盾在自动化信念修正中的互补作用。

On Limited Non-Prioritised Belief Revision Operators with Dynamic Scope

The research on non-prioritized revision studies revision operators which do not accept all new beliefs. In this paper, we contribute to this line of research by introducing the concept of dynamic-limited revision, which are revisions expressible by a total preorder over a limited set of worlds. For a belief change operator, we consider the scope, which consists of those beliefs which yield success of revision. We show that for each set satisfying single sentence closure and disjunction completeness there exists a dynamic-limited revision having the union of this set with the beliefs set as sc…

通过序聚合实现并行信念收缩

Parallel Belief Contraction via Order Aggregation

本文提出一种基于n元TeamQueue序聚合的通用方法，将满足强性质的串行迭代信念收缩算子扩展至并行及迭代并行收缩场景。

最优信念修正

Optimal Belief Revision

我们提出了一种新的方法，信念修订，提供了一种方法来改变知识基础，以最小的努力。我们称这种修正信念状态的方式为最优信念修正。我们的修订方法给予特别注意的事实，大多数信念修订过程是针对一个特定的信息目标。这种信念改变的方法是建立在最佳环境和可访问性等概念的基础上的。对于信念状态的基本模型，我们提供了一个正式的描述的上下文作为子理论确定的三个参数和方法来构建上下文。接下来，我们引入了一个可访问性排序的信念集，然后我们使用它来选择最好的（最佳的）上下文的处理工作中涉及的修订。然后，对于可公理化的知识库，我们描述了一个有限的可访问性排名，从整个基地的可访问性排序生成，并显示如何确定语言中的任意句子的排名。最后，我们定义了调整的可达性排名的信念集的修订基地。

基于信念变化理论推进交互式可解释人工智能

Advancing Interactive Explainable AI via Belief Change Theory

针对可解释AI对更高交互性的需求，本研究以信念变化理论为形式基础，提出基于逻辑的人机解释信息表示形式体系，分析其在不同知识优先级真实场景的适用性及相关理论挑战。

命题逻辑片段中的信念合并

Belief merging within fragments of propositional logic

最近，在命题逻辑片段的框架内的信念变化得到了越来越多的关注。以往的研究主要集中在Horn片段上的信念收缩和信念修正。然而，在命题逻辑的片段的信念合并的问题一直被忽视。本文提出了一种通用的方法来定义新的合并运算符来自现有的，这样的合并结果仍然在考虑中的片段。我们的方法不仅限于霍恩片段的情况下，但适用于任何片段的命题逻辑的特点是封闭属性的模型集的公式。我们研究的逻辑属性的建议运营商的合并假设的满意度，特别考虑到基于距离的合并运营商的霍恩和克罗姆片段。

信念修正、最小变化和松弛：基于满意度系统的一般框架及其在描述逻辑中的应用

Belief Revision, Minimal Change and Relaxation: A General Framework based on Satisfaction Systems, and Applications to Description Logics

信念修订的知识库表示的一组句子在一个给定的逻辑已被广泛研究，但具体的逻辑，主要是命题，最近也霍恩和描述逻辑。在这里，我们建议从模型理论的角度来概括这种操作，通过定义在一个抽象的模型理论的名称下的满意度系统的修订。在这个框架中，我们推广到任何满意度系统的特征的著名AGM假设给出的胜野和Mendelzon命题逻辑的最小变化之间的解释。此外，我们研究了如何定义修订，满足AGM假设，从松弛的概念，已首次引入描述逻辑定义概念之间的相异性措施，其后果是放松的旧信念的模型集，直到它成为符合新的知识。我们展示了如何建议的一般框架可以在不同的逻辑，如命题，一阶，描述和霍恩逻辑实例化。特别是描述逻辑，我们介绍了几个具体的松弛算子定制的描述逻辑$\ALC{}$和它的片段$\EL{}$和$\ELext{}$，讨论它们的属性，并提供了一些说明性的例子。

人们如何修正不一致的信念？通过用户研究考察人类的信念修正行为

How Do People Revise Inconsistent Beliefs? Examining Belief Revision in Humans with User Studies

该研究通过三项用户实验发现人类偏好基于解释的非最小化信念修正模式，为适配人类认知的AI系统设计提供了依据。

证据监控中信念变化的马尔可夫模型与量子动力学模型

Markov versus quantum dynamic models of belief change during evidence monitoring

两种不同的动态模型的信念变化过程中的证据监测进行了评估：马尔可夫和量子。他们通过一个实验进行了经验性的测试，在这个实验中，参与者在最初的一段时间内监测证据，进行概率评级，然后监测更多的证据，然后进行第二次评级。通过操纵时间间隔的方式，提供了一个测试的干扰效应的第一个评级的第二个模型进行了定性测试。马尔可夫模型预测没有干扰，而量子模型预测干扰。两个模型的定量比较也进行了使用泛化准则方法：参数拟合的数据从一组时间间隔，然后这些相同的参数被用来预测数据从另一组时间间隔。结果表明，马尔可夫模型和量子模型的一些特征需要准确地解释结果。

基于一致性的信念改变模型：初步报告

A Consistency-Based Model for Belief Change: Preliminary Report

我们提出了一个一般的，基于一致性的信念改变的框架。非正式地，在用A修改K时，我们从A开始，并尽可能一致地纳入K。形式上，知识库K和句子A通过在K中重命名命题而以不同的语言表达。使用最大化过程，我们假设语言在一致的可能范围内是相同的。最后，我们用一种语言来表达所得到的知识库。可能有不止一种方法可以使A被K如此扩展：在选择修订中，一个这样的“扩展”代表修订的状态;或者修订由所有这样的扩展的交集组成。我们的方法的最一般的配方是足够灵活的，以表达其他方法的修订和更新，合并的知识库，并纳入静态和动态的完整性约束。我们的框架不同于基于顺序条件函数的工作，特别是在迭代修订方面。我们认为，该方法是非常适合实施：选择修订运营商提供更好的复杂性比一般的修订结果;该方法可以表示在一个有限的知识库;和修订的范围可以被限制为只是那些命题中提到的句子修订A。

A General Katsuno-Mendelzon-Style Characterization of AGM Belief Base Revision for Arbitrary Monotonic Logics

The AGM postulates by Alchourrón, Gärdenfors, and Makinson continue to represent a cornerstone in research related to belief change. We generalize the approach of Katsuno and Mendelzon (KM) for characterizing AGM base revision from propositional logic to the setting of (multiple) base revision in arbitrary monotonic logics. Our core result is a representation theorem using the assignment of total - yet not transitive - "preference" relations to belief bases. We also provide a characterization of all logics for which our result can be strengthened to preorder assignments (as in KM's original wo…

在AGM-like信念变更背景下对接受-可欲性模型进行条件化

Conditioning Accept-Desirability models in the context of AGM-like belief change

本文提出了一种在AGM-like信念变更框架下对接受-可欲性模型进行条件化的规则，并探讨了其在经典逻辑和完全条件概率中的适用性。

动态认知分区下的可解释信念协调

Explainable Belief Harmonization under Dynamic Epistemic Partitions

研究多智能体信念组合中认知分区的运行时变化，提出结合回答集编程与Python的混合方法框架，能处理异构分辨率级别，保证可接受性、修复及解释完整性，经评估可实现完全违规检测和解释覆盖。

动态认知逻辑中的信念收缩

Belief Contraction in Dynamic Epistemic Logic

针对动态认知逻辑无法建模事实命题信念收缩的问题，提出直接在标准Kripke模型上定义信念收缩机制，满足部分收缩性质，并给出公理化及扩展逻辑。

迭代信念修正：从公设到能力

Iterated belief revision: from postulates to abilities

本文提出从公设约束转向能力分析的信念修正研究视角，系统刻画并证明了多种修正机制（如词典序、自然、激进等）在可达性、可塑性、教条化等方面的能力差异。

On Mixed Iterated Revisions

Several forms of iterable belief change exist, differing in the kind of change and its strength: some operators introduce formulae, others remove them; some add formulae unconditionally, others only as additions to the previous beliefs; some only relative to the current situation, others in all possible cases. A sequence of changes may involve several of them: for example, the first step is a revision, the second a contraction and the third a refinement of the previous beliefs. The ten operators considered in this article are shown to be all reducible to three: lexicographic revision, refineme…

如何使用%$;@* 修改信念集？

How do you revise your belief set with %$;@*?

在经典的AGM信念修正理论中，信念是静态的，不会改变自己的形状。例如，如果一个理性主体接受了p，那么对于这个主体来说，它仍然是p。但这种情况很少发生在我们身上。通常，当我们接受某些信息p时，实际上接受的不是整个p，而只是其中的一部分;这不一定是因为我们选择了这一部分，而是因为p必须被感知。只有感知的p被接受;感知受制于我们已经相信（知道）的东西。然而，p的其余部分可能会发生什么，最初没有引起我们的注意？在这项工作中，我们认为，无形的部分也接受代理，如果只是无意识的。因此，p的某些部分作为可见的信念被接受，而另一些部分则作为潜在的信念被接受。分裂不是静止的。随着信仰的改变，隐藏的东西可能会变得可见。我们提出了一个基于感知的信念理论，包括潜在的信念。

Human-Aware Belief Revision：一种用于人类模型解释引导修正的认知启发框架

Human-Aware Belief Revision: A Cognitively Inspired Framework for Explanation-Guided Revision of Human Models

针对传统信念修正框架忽视人类寻求解释认知模式的问题，提出认知启发的Human-Aware Belief Revision框架，通过非最小化的解释引导方式修正人类模型，并经两项人类受试者研究验证其有效性，为开发人类感知AI系统提供指导。

学习概率：迈向统计学习的逻辑

Learning Probabilities: Towards a Logic of Statistical Learning

我们提出了一个新的模型，用于形成信念和学习未知的概率（例如从一个带有未知分布的彩色大理石的袋子中挑选红色大理石的概率）。对于这种“根本不确定性”的情况，最普遍的模型是不精确的概率，即将代理人的知识表示为一组概率度量。我们在这个模型中添加了一个可扩展性图，将每个度量与可扩展性数相关联，作为一种超越已知确定性的方式，并表示代理对概率的信念。有一些标准的例子：香农熵，质心等，然后我们考虑学习两种类型的信息：（1）通过重复采样从未知分布（例如从袋子里捡弹珠）学习;（2）学习关于分布的高阶信息（以线性不等式的形式，例如我们被告知红色弹珠比绿色弹珠多）。第一种方法只改变可扩展性图（通过贝叶斯规则的“可扩展性”版本），但保持给定的度量集不变;第二种方法缩小了度量集，但不改变它们的可扩展性。信念的定义与信念修正理论相同，即在最可信的世界中的真理。但是我们的信念改变不符合标准AGM公理，因为由（1）引起的修正是非AGM类型的。这是必不可少的，因为它允许我们的代理学习真实的概率：我们证明了通过重复采样获得的信念几乎肯定会收敛到正确的信念（在真实概率中）。最后，我们勾勒出统计学习的动态doxastic逻辑的轮廓。

信仰的动力学：绑架，号角知识库和数据库更新

Dynamics of Belief: Abduction, Horn Knowledge Base And Database Updates

信念和知识的动态是任何自治系统的主要组成部分之一，它应该能够吸收新的信息。为了将信念动力学理论的合理性结果应用到各种实际问题中，它应该在两个方面进行推广：第一，它应该允许信念的某一部分被声明为不变的;第二，信念状态不需要是演绎封闭的。本文提出了这样一种广义的信念动力学，称为基地动力学，随着知识库（霍恩或霍恩逻辑分层否定）的广义修正算法的概念。我们表明，知识库动态有一个有趣的连接，通过击中集和绑架的内核变化。在本文中，我们将展示如何从析取逻辑编程技术可以用于有效的（演绎）数据库更新。其核心思想是将给定的数据库连同更新请求一起转换成一个析取（数据库）逻辑程序，并应用析取技术（如最小模型推理）来解决原始的更新问题。该方法扩展并集成了标准技术，以实现高效的查询应答和完整性检查。一个击中集的生成是通过一个超tableaux演算和魔术集，专注于最小的目标。本文提供了一个比较研究的视图更新算法在理性的做法。为了理解溯因推理的基本概念，我们提供了一个知识库动力学的溯因框架。最后，我们展示了如何信念基础动力学可以提供一个公理化的表征插入一个视图原子的数据库。我们给出了信念改变的主要操作符的快速概述，特别是信念更新与数据库更新。

基于高阶信念变化的通用多智能体认知规划器

A General Multi-agent Epistemic Planner Based on Higher-order Belief Change

近年来，多智能体认知规划受到了动态逻辑和规划界的关注。现有的多智能体认知规划的实现是基于编译成经典的规划，并遭受各种限制，如只生成线性计划，限制公共行动，以及无法处理分离的信念。在本文中，我们提出了一个通用的表示语言的多智能体认知规划的初始知识库和目标，行动的先决条件和效果可以是任意的多智能体认知公式，和解决方案是一个行动树分支的感知结果。为了支持多智能体KD45逻辑中的高效推理，我们使用称为交替覆盖析取公式（ACDF）的范式。我们提出了基本的修正和更新算法的ACDF。我们还处理静态命题常识，我们称之为约束。基于我们的推理，修正和更新算法，适应从文献中的概率规划的PrAO算法，我们实现了一个多智能体的认知规划称为MEPK。我们的实验结果表明，我们的方法的可行性。

有效AGM信念收缩：超越有限领域的旅程（技术报告）

Effective AGM Belief Contraction: A Journey beyond the Finitary Realm (Technical Report)

该研究探讨非有限逻辑中AGM信念收缩的可计算性，发现不可计算性普遍存在且现有策略失效，提出基于Büchi自动机的LTL可计算收缩函数新方法。

认知空间下的可信度受限修正

Credibility-Limited Revision for Epistemic Spaces

针对允许不一致信念的认知空间信念变化框架中原有可信度受限修正算子不包含AGM修正算子的问题，研究提出保留其核心初衷的扩展算子，给出公理定义与基于可能世界全预序的语义刻画。

局部正确知识库的合并：初步报告

Merging Locally Correct Knowledge Bases: A Preliminary Report

信念整合方法通常旨在导出一个单一的和一致的知识库，该知识库保留尽可能多的要整合的知识库。这种方法背后的基本原理是最小变化原则：集成过程的结果与要集成的知识库之间的差异应该尽可能小。我们表明，这一原则可以重新制定的一个更一般的模型的信念修订，假设不一致是由于错误的知识基础。目前的信念修正策略是基于一种特定的错误，但并不包括所有可能的错误。一些替代的可能性进行了讨论。

迭代信念收缩的条件透视

A Conditional Perspective for Iterated Belief Contraction

根据Boutillier，Darwiche，Pearl和其他人的说法，迭代修正的原则可以用改变对条件句的信念来描述。对于迭代收缩，类似的公式是未知的。这尤其是因为对于迭代信念变化，通过列维和哈珀恒等式的修正和收缩之间的联系并不直接，因此，表征结果在迭代修正和收缩之间不易转移。在这篇文章中，我们开发了一个公理化的迭代收缩在不断变化的条件信念。我们证明了一组新的公设符合语义的操作员类，如Konieczny和皮诺佩雷斯迭代压缩。

预注册信念修订合同

Preregistered Belief Revision Contracts

本文提出预注册信念修订合同，通过严格分离开放通信与可接受的认知变化，防止群体一致性效应。证明了在证据合同下，社会轮次无法提升信心，且无法生成纯一致性驱动的错误但确定性 cascades。

Descriptor Revision for Conditionals: Literal Descriptors and Conditional Preservation

Descriptor revision by Hansson is a framework for addressing the problem of belief change. In descriptor revision, different kinds of change processes are dealt with in a joint framework. Individual change requirements are qualified by specific success conditions expressed by a belief descriptor, and belief descriptors can be combined by logical connectives. This is in contrast to the currently dominating AGM paradigm shaped by Alchourrón, Gärdenfors, and Makinson, where different kinds of changes, like a revision or a contraction, are dealt with separately. In this article, we investigate the…

迭代非优先变化的两种表示

Two Representations for Iterative Non-prioritized Change

我们解决一个一般的表示问题的信念变化，并描述了两个相互关联的表示迭代非优先级的变化：一个逻辑表示持久的认知状态，和建设性的表示在羊群的基础。