Counterexample-Preserving Reduction for Symbolic Model Checking
LTL模型检验的成本对验证公式的长度高度敏感。我们观察到，在某些特定的条件下，输入LTL公式可以减少到一个制造商到处理之前的模型检验。在我们的约简中，这两个公式不需要在逻辑上等价，但它们在模型中共享相同的反例集。在模型被象征性地表示的情况下，能够以轻量级的努力（例如，解决问题）。在本文中，我们尝试将这种技术命名为“反例保持约简”（简称CePRe），最后通过采用NuSMV对所提出的技术进行了实验评估。
2013-01-15 cs.LO
Expressiveness of Extended Bounded Response LTL
带过去的扩展有界响应LTL（LTLEBR+P）是最近在反应合成的上下文中引入的带过去的线性时序逻辑（LTL+P）的安全片段。LTLEBR+P的优点是将公式完全符号化编译成符号确定性自动机。它的语法分为四个层次。前三个层次的功能（一个特定的组合）未来的时间模态，最后一个只承认过去的时间运营商。在这种结构的基础上，存在算法动机：每一级对应于自动机构造算法的一个步骤。LTLEBR+P的复杂语法使得很难精确描述其表达能力，也很难将其与其他LTL+P安全片段进行比较。本文首先证明了LTLEBR+P关于LTL+P的安全片段是表达完备的，即任何可在LTL+P中定义的安全语言都可以在LTLEBR+P中形式化，反之亦然。由此可见，LTLEBR+P和Safety-LTL在表达上是等价的。然后，我们表明过去的模态在LTLEBR+P中发挥着至关重要的作用：我们证明LTLEBR+P的未来片段的表达能力严格低于完整的LTLEBR+ P。
2021-09-17 cs.FL cs.LO
On the Complexity of Realizability for Safety LTL and Related Subfragments
我们研究了安全LTL的可实现性问题，安全LTL是线性时态逻辑的语法片段，用于捕获安全公式。我们证明了该问题是EXP-完全的，反驳了现有的2 EXP-完全性猜想。我们通过比较安全LTL与看似较弱的亚片段的复杂性来实现这一点。特别是，我们表明，安全LTL的每一个公式可以减少到一个等价实现的公式的形式$α\land \Box ψ$，其中$α$是一个目前的公式系统变量和$ψ$包含下作为唯一的时间运营商。这个新片段的可实现性问题，我们称之为$\mathsf{GX}_{\mathsf{0}}$，也是EXP完全的。
2022-01-19 cs.CC 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
Complexity of Safety and coSafety Fragments of Linear Temporal Logic
本文系统分析 LTL 的 safety 与 cosafety 片段在有限和无限轨迹上的可满足性、有效性及可实现性复杂性，揭示可实现性问题的复杂度分层及轨迹有限性带来的差异。
2025-03-12 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
Automatic Generation of Safety-compliant Linear Temporal Logic via Large Language Model: A Self-supervised Framework
Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
本文提出AutoSafeLTL框架，利用大语言模型自动生成符合安全限制的LTL规范，通过语言包含检查与自动反例引导修改机制确保逻辑一致性和语义准确性。
2026-04-27 cs.FL cs.LO
A first-order logic characterization of safety and co-safety languages
Fondazione Bruno Kessler（布鲁诺·凯塞勒基金会）；University of Udine（乌迪内大学）；Free University of Bozen-Bolzano（波尔扎诺自由大学）
本文引入了一阶理论片段 SafetyFO 和 coSafetyFO，证明其分别精确刻画 SafetyLTL 和 coSafetyLTL，为 LTL 的安全与共安全片段提供了一阶逻辑刻画，并给出了相关表达能力的证明。
2023-08-09 cs.AI cs.LO
ocLTL: LTL Realizability and Synthesis Modulo ω-Categorical Structures
ocLTL在ω-范畴结构下研究LTL+P的可实现性与合成，通过将数据子公式替换为有限析取式，保持2-EXPTIME复杂度，应用于原子布尔代数与林德布拉德-塔斯基代数，并关联到AI安全。
2026-05-16 cs.LO
Exploiting the Temporal Logic Hierarchy and the Non-Confluence Property for Efficient LTL Synthesis
从线性时序逻辑（LTL）规范合成反应系统的经典方法首先将给定的LTL公式转换为等价的omega-自动机，然后计算相应的omega-正则博弈的获胜策略。为此，所获得的欧米茄自动机必须（伪）确定，其中通常使用萨夫拉的确定过程的变体。在本文中，我们表明，这一确定步骤可以显着改善工具的实现取代萨夫拉的确定更简单的确定程序。特别地，我们利用（1）对应于由安全、活性、Buechi和co-Buechi自动机以及它们的布尔闭包组成的著名自动机层次的时态逻辑层次，（2）由LTL公式的某些平移产生的omega-自动机的非汇合性质，（3）Rabin-Scott和Miyano-Hayashi断点构造的确定过程的符号实现。特别是，我们提出了令人信服的实验结果，证明了我们的新的合成过程的实用性。
2010-06-08 cs.LO
Oblivious Online Monitoring for Safety LTL Specification via Fully Homomorphic Encryption
在许多物联网（IoT）应用中，由IoT设备感测到的数据被连续地发送到服务器并针对规范进行监视。由于数据通常包含敏感信息，并且被监视的规范通常是专有的，因此必须对另一端保持私有。我们提出了一个协议，进行不经意的在线监测-在线监测进行不透露每一方的私人信息的其他-对安全LTL规范。在我们的方案中，我们首先将安全LTL公式转换为DFA，并使用DFA进行在线监测。基于全同态加密（FHE），我们提出了两个在线算法（反向和块）运行DFA的遗忘。我们证明了整个协议的正确性和安全性。我们还展示了我们的算法的可扩展性理论和经验。我们的案例研究表明，我们的算法是足够快的在线监测血糖水平，证明了我们的协议的实际意义。
2022-06-03 cs.CR cs.FL cs.LO
Integrating LTL Constraints into PPO for Safe Reinforcement Learning
School of Informatics, University of Edinburgh（信息学院，爱丁堡大学）；School of Computer Science, Faculty of Engineering, University of Sydney（计算机科学学院，工程学院，悉尼大学）；School of Engineering and Physical Sciences, Heriot-Watt University（工程与物理科学学院，赫瑞-瓦德大学）
本文提出PPO-LTL框架，通过整合LTL约束提升强化学习的安全性，实验表明其在安全性和性能上均优于现有方法。
2026-03-01 cs.AI cs.LG cs.LO
Practical Synthesis of Reactive Systems from LTL Specifications via Parity Games
从线性时序逻辑（LTL）规范综合反应式系统是可靠的软件和硬件设计中的一个重要方面。我们介绍了经典自动机理论方法对LTL合成的适应，该方法在工具Strix中实现，该工具赢得了最后两次合成竞赛（Syntcomp 2018/2019）。所提出的方法是（1）结构化的，这意味着在构造中使用的状态具有以多种方式利用的语义结构，它执行（2）向前探索，使得它通常仅构造可达状态的一个小子集，并且它是（3）增量的，在这个意义上，它重用来自先前不确定的解决方案尝试的结果。此外，我们提出并研究了不同的指导原则，以确定在哪里扩展按需构建的舞台。此外，我们展示了几种技术提取的实现（Mealy机或电路）从证人的树自动机空检查。最后，所选择的构造使用转换函数的符号表示来减少运行时和内存消耗。我们在Syntcomp 2019基准测试集上评估了所提出的技术，并更详细地展示了所提出的技术与其他领先的LTL合成工具中实现的技术的比较。
2019-10-30 cs.LO
LTLf Synthesis Under Environment Specifications for Reachability and Safety Properties
Sapienza University of Rome（罗马第一大学）；University of Oxford（牛津大学）；ENS Rennes（雷恩高等师范学校）；The University of Sydney（悉尼大学）
本文系统研究了环境规范下LTLf合成问题，针对可达性和安全性属性提出完整算法框架，并证明各算法在复杂度上最优且正确。
2023-08-29 cs.AI cs.FL cs.LO
Synthesis from LTL Specifications with Mean-Payoff Objectives
经典的LTL综合问题是纯定性的：给定的LTL规范是否由反应系统实现。LTL在一些定量方面的表达能力不足以形式化反应系统的正确性。本文将定性LTL合成设置扩展到定量设置。字母表的行动是扩展的权重函数范围内的有理数。无限单词的价值是其字母权重的平均回报。然后，合成问题相当于自动构建（如果可能的话）一个反应系统，其执行都满足给定的LTL公式，并具有大于或等于某个给定阈值的平均回报值。后一个问题被称为LTLMP合成和LTLMP可实现性问题要求检查是否存在这样的系统。我们首先证明了LTLMP的可实现性并不比LTL的可实现性更难：它是2 ExpTime-Complete的。这是通过减少到两个玩家的平均收益平价游戏。虽然需要无限的内存策略来实现LTLMP规范一般，我们表明，ε-最优性可以得到有限的内存策略，任何ε> 0。为了在实践中获得一个有效的算法，我们定义了一个Safraless过程来决定是否存在一个有限的内存策略，实现了给定的规格为一些给定的阈值。这个过程是基于减少到两个玩家的能源安全游戏，这反过来又减少到安全游戏。最后，我们表明，这些安全游戏可以有效地解决利用其状态空间的结构，并通过使用反链作为一个符号的数据结构。我们的所有结果扩展到多维权重。我们已经实现了一个反链为基础的程序，我们报告一些有前途的实验结果。
2013-01-09 cs.GT cs.LO
Linear Encodings of Bounded LTL Model Checking
研究线性时序逻辑的有界模型检验问题。我们提出了几个有效的编码，具有大小线性的界限。此外，我们展示了如何编码可以扩展到LTL与过去的运营商（PLTL）。广义编码仍然是线性的大小，但不能检测最小长度的反例。通过使用虚拟展开技术可以捕获最小长度的反例，然而，在规范中编码的大小是二次的。我们还扩展虚拟展开的Buchi自动机，使他们能够接受最小长度的反例。我们的BMC编码可以是增量的，以便从增量SAT技术中受益。通过相当小的修改，增量编码可以通过终止检查进一步增强，允许我们使用BMC证明属性。实验清楚地表明，我们的新编码大大提高了BMC的性能，特别是在增量编码的情况下，并且它们在发现错误方面非常有竞争力。对活性到安全性转换的分析揭示了本文中BMC编码的许多相似之处。使用基于BDD的不变式检查的活性到安全性的转换结果在一个有效的方法来找到最短的反例，补充基于BMC的方法。
2006-11-16 cs.LO
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
On the Translation of Automata to Linear Temporal Logic
虽然将未来的线性时态逻辑（LTL）转换为无限词上的自动机的复杂性是众所周知的，但将自动机转换回LTL所涉及的大小增加却不是。特别是，没有已知的基本限制的复杂性，翻译确定性$ω$ -定期自动机LTL。我们的第一个贡献包括严格的界限LTL在一元字母表：交替，非确定性和确定性自动机可以完全指数，二次和线性更简洁，分别比任何等价的LTL公式。我们的主要贡献包括翻译一般计数器免费确定性$ω$ -定期自动机到LTL公式的双指数时间嵌套深度和三重指数长度，使用中间Krohn-Rhodes级联分解的自动机。据我们所知，这是这个翻译的第一个基本界限。此外，我们的翻译保留了自动机的接受条件，在这个意义上，它把一个循环，弱，Büchi，coBüchi或穆勒自动机到一个公式，属于匹配类的句法未来层次。特别地，它可以用于将识别安全语言的LTL公式转换为属于LTL的安全片段的公式（在有限和无限字上）。
2022-05-08 cs.FL cs.LO
Safety-Guarantee Controller Synthesis for Cyber-Physical Systems
由于控制组件和软件组件使用不同的建模抽象，网络物理系统的验证和确认是一个困难的问题。最近解决这一困难的一个趋势是通过采用按设计纠正的方法来减少对核查的需要。根据正确的设计范式，一个寻求自动合成的控制器，可以细化为代码，并强制执行时间规范的信息物理系统。在本文中，我们考虑这个问题的一个实例，其中的规格是由一个片段的线性时序逻辑（LTL）和物理环境描述的一个光滑的微分方程。本文的贡献是表明，合成的网络物理系统是可行的，考虑一个片段的LTL，是表达足够的描述有趣的属性，但足够简单，以避免萨夫拉的建设。我们报告的两个例子说明了这些技术的工具PESSOALTL的初步实施。
2010-10-27 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
Reactive Synthesis from Extended Bounded Response LTL Specifications
反应合成是一个关键技术的设计正确的建设系统，并已在过去的几十年里进行了深入的研究。它包括在一个控制器的合成，反应环境的输入满足给定的时序逻辑规范。常见的方法是基于自动机的显式构造和它们的确定性，这限制了它们的可扩展性。在本文中，我们引入了一个新的片段的线性时序逻辑，称为扩展有界响应LTL（\LTLEBR），它允许一个结合有界和普遍无界的时间运营商（从而涵盖了大量的实际情况），我们表明，反应合成从\LTLEBR规范可以减少到解决一个安全游戏的确定性的符号自动机直接从规范。我们证明了所提出的方法的正确性，我们成功地评估它在各种基准。
2020-08-12 cs.FL cs.LO cs.SE
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
Symbolic Analysis and Parameter Synthesis for Time Petri Nets Using Maude and SMT Solving
带抑制弧的参数时间Petri网（PITPN）允许参数在触发范围内，从而支持时间系统的灵活性。本文提出并证明了PITPN的一种具体的和符号化的重写逻辑语义。我们将展示如何使用Maude结合SMT解决方案，为PITPN提供完善的正式分析。我们开发了一个新的通用折叠符号可达性的方法，终止时的参数状态类图的PITPN是有限的。我们解释了几乎所有的形式分析和参数合成支持的国家的最先进的PITPN工具Roméo可以在Maude与SMT。此外，我们还支持从参数化初始标记进行分析和参数合成，以及使用用户定义的执行策略进行完整的LTL模型检验和分析。在三个基准上的实验表明，我们的方法在许多情况下优于Roméo。
2023-03-15 cs.LO
Incorporating Monitors in Reactive Synthesis without Paying the Price
时态合成试图构造满足给定声明式（LTL）公式的反应式程序。实践者发现只使用声明性规范是很有挑战性的，并且发现将建模与声明性规范结合起来的语言更有用。合成控制器还可能需要与预先存在的或手动构建的程序一起工作。在本文中，我们将探讨一种方法，结合合成的声明性规范在现有的行为模型作为一个监视器的存在下，没有理由的监视器的状态空间的好处。我们建议一个形式语言与自动机监视器作为非重复和重复触发器的LTL公式。我们使用具有内存的符号自动机作为触发器，从而产生比现有正则表达式触发器更严格的表达性和简洁的语言。我们给这种语言的合成过程中，推理的监视器状态空间是最小的。为了展示我们的方法的优势，我们将其应用于需要对任意长的事件序列进行计数和约束的规范，在那里我们也可以看到参数化的力量，在我们的方法中很容易处理。我们提供了一个工具来构造控制器（符号自动机的形式）为我们的语言。
2021-07-02 cs.LO
Taming Large Bounds in Synthesis from Bounded-Liveness Specifications (Full Version)
从时序逻辑规范的自动合成是一个有吸引力的替代手动系统设计，由于它的能力，从高层次的规范生成正确的建设实现。由于合成问题的高度复杂性，重要的研究工作已经针对开发实际有效的方法，限制规约语言片段。在本文中，我们专注于安全LTL片段的线性时态逻辑（LTL）的语法扩展有界时态算子。我们提出了一种新的合成方法的主要动机，有效地解决了合成问题的规范与有界的时间运营商，特别是那些大的界限。我们的方法的实验评估表明，对于这种类型的规范，它优于国家的最先进的合成工具，表明它是一个很有前途的方法，有效地处理定量的时间限制在安全规范。
2023-01-24 cs.LO
Safeguarding Learning-based Control for Smart Energy Systems with Sampling Specifications
Fraunhofer IKS（弗劳恩霍夫智能感知系统研究所）
本文针对强化学习控制能源系统时的安全问题，将实时时序安全要求离散化为 LTL 规范，以支持安全强化学习的 shields 综合与形式化验证，并为原始安全要求提供概率下界。
2023-08-11 cs.LG cs.LO cs.SE
OCTAL: Graph Representation Learning for LTL Model Checking
Purdue University（普渡大学）
针对传统符号模型检测的状态空间爆炸问题，提出基于图表示学习的OCTAL框架，将LTL模型检测转化为二分类任务，实现了显著的准确率与最高11倍的整体加速。
2023-08-19 cs.AI cs.LO cs.SE
Progression- vs Automata-based Anticipatory Monitoring of LTL over Finite Traces (Extended Version)
Free University of Bozen-Bolzano（博尔扎诺自由大学）；University of Toronto（多伦多大学）
本文针对有限迹LTL的预期监控，提出基于递进与LTLf可满足性检查的替代方法，实验表明其在算术设置下优于自动机方法，结合两者在命题设置下权衡良好。
2026-09-29 cs.AI cs.LO
The Infinite, in Finite Time
University of Edinburgh（爱丁堡大学）；University of New South Wales（新南威尔士大学）；Australian National University（澳大利亚国立大学）
该研究针对运行时验证场景，通过引入确定性前缀丰富LTL语义，证明LTL与LTL₃语义同构，形式化公式演进技术并证明其可靠性与完备性，重构安全-活性分解定理等，所有内容均在Isabelle/HOL中机械化实现。
2026-08-25 cs.LO
LTLf+ and PPLTL+: Extending LTLf and PPLTL to Infinite Traces
University of Rome “La Sapienza”（罗马第一大学）；University of Oxford（牛津大学）；University of Sydney（悉尼大学）；Rice University（莱斯大学）
本文提出 LTLf+ 和 PPLTL+ 逻辑以表达无穷迹性质，利用 DFA 推导策略提取的博弈竞技场，规避了 LTL 反应式综合中自动机确定化的困难，并证明了其综合、可满足性等问题的计算复杂度。
2024-11-14 cs.AI cs.FL cs.LO
Maximum Realizability for Linear Temporal Logic Specifications
基于线性时序逻辑（LTL）规范的自动综合广泛应用于机器人运动规划、自治系统控制和电网负荷分配等领域。在这样的应用程序中，一个常见的规范模式包括一个LTL公式，描述了对系统的行为的要求，以及一组额外的理想属性。我们研究的综合问题的整体规格是无法实现的设置，更准确地说，当一些理想的属性必须（暂时）违反，以满足系统的目标。我们提供了一个定量的语义集的安全规范，并使用它来正式的“尽力而为”的满足这样的软规范，同时满足硬LTL规范。我们提出了一种算法，用于合成的实现，是最佳的定量语义。我们的方法建立在有界合成方法的思想，我们开发了一个MaxSAT编码，允许最大限度地满足安全规范的定量。我们评估我们的算法从机器人和配电网络的情况。
2018-04-02 cs.LO cs.SE
Neuro-Symbolic Predictive Process Monitoring
Faculty of Engineering, Free University of Bozen-Bolzano（博洛尼亚-博尔扎诺自由大学工程学院）；Department of Computer, Control and Management Engineering, Sapienza, Università di Roma（罗马大学计算机、控制与管理工程系）
提出一种结合数据驱动学习与时序逻辑先验知识的神经符号方法，通过可微逻辑损失函数训练自回归序列预测器，以提升业务过程管理中后缀预测的准确性和逻辑一致性。
2026-05-29 cs.AI cs.FL cs.LG
Deciding Hyperproperties Combined with Functional Specifications
我们研究了带有$\forall^*\exists^*$量词前缀的HyperLTL的可满足性，众所周知，$\forall^*\exists^*$通常是高度不可判定的。HyperLTL可以表达与多个跟踪相关的系统属性（所谓的超属性），这些属性通常与指定单个跟踪上的功能行为的跟踪属性相结合。在这种概念上的分裂之后，我们首先定义了$\forall^*\exists^*$ HyperLTL的几个安全和活性片段，并描述了它们（通常更容易）可满足性问题的复杂性。然后，我们添加LTL跟踪属性作为功能规范。虽然在许多情况下（高度）不可判定，但这种将“简单”HyperLTL和任意LTL相结合的方式也会产生有趣的新的可判定片段。$\forall^*\exists^*$片段的系统研究由$\forall\exists^*$ -HyperLTL可满足性的新（不完全）算法补充。
2022-05-30 cs.LO
Shield Synthesis for LTL Modulo Theories
IMDEA Software Institute（IMDEA软件研究所）；Cornell University（康奈尔大学）；University of California, Irvine（加州大学欧文分校）；The Hebrew University of Jerusalem（耶路撒冷希伯来大学）
针对机器学习模型在安全关键系统中存在的不安全行为问题，本研究提出一种基于LTL模理论的屏蔽合成方法，解决现有屏蔽技术仅适用于命题逻辑的局限，实现更丰富逻辑下的安全保障。
2025-02-14 cs.AI cs.LG cs.LO
Formal Verification of Safety Properties Using Interpolation and k-induction
本技术报告介绍了使用SAT/SMT求解器的两种符号模型检验算法的实现，即基于插值的模型检验和基于k-归纳的模型检验。并对这两种模型检验算法进行了比较分析。
2022-07-04 cs.LO
A Tableau Method for the Realizability and Synthesis of Reactive Safety Specifications
我们引入了一个表决策方法，用于确定LTL的安全片段中表示的规范的可实现性，其中包括有界未来的时间运营商。时间和模态逻辑的Tableau决策过程已被彻底研究的可满足性和转换的时间公式到等价的Büchi自动机，也为模型检验，其中提供了一个规范和系统。然而，据我们所知，没有Tableau方法已被研究的反应合成问题。反应合成从一个规范开始，其中命题变量被分成由环境控制的变量和由系统控制的变量，并自动生成一个系统，保证所有环境的规范。可实现性是关于是否存在这样一个系统的决策问题。在本文中，我们提出了一种方法来确定可实现的安全规格，从中我们也可以提取（即合成）一个正确的系统（在情况下的规格是可实现的）。我们的方法可以很容易地扩展到处理更丰富的域（整数等）和时间运算符的方式，自动机合成方法不能的界限。
2022-06-03 cs.LO
AbsSynthe: abstract synthesis from succinct safety specifications
在本文中，我们描述了一个综合算法的安全规格描述为电路。该算法基于不动点计算、抽象和精化，采用二元决策图作为符号数据结构。我们根据SYNT'14研讨会内组织的综合竞赛组织者提供的基准评估我们的工具。
2014-07-21 cs.LO
Towards Efficient Controller Synthesis Techniques for Logical LTL Games
本文将经典有限状态不动点算法扩展到符号逻辑 LTL 博弈，并在 GenSys-LTL 中实现，可计算最大获胜区域与最大宽容控制器，相对现有方法取得46.38倍加速。
2023-08-21 cs.FL cs.LO cs.SC
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
Learning Interpretable Temporal Properties from Positive Examples Only
Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；Arizona State University（亚利桑那州立大学）；TU Dortmund University（多特蒙德工业大学）；Carl von Ossietzky University of Oldenburg（卡尔·冯·奥西茨基奥尔登堡大学）；Center for Trustworthy Data Science and Security, University Alliance Ruhr（鲁尔大学联盟可信数据科学与安全中心）
我们考虑的问题，解释的时间行为的黑盒系统使用人类可解释的模型。为此，根据最近的研究趋势，我们依赖于确定性有限自动机（DFA）和线性时序逻辑（LTL）公式的基本但可解释的模型。与大多数现有的学习DFA和LTL公式的作品相比，我们只依赖于正面的例子。我们的动机是，负面的例子通常很难观察到，特别是从黑箱系统。为了只从正面例子中学习有意义的模型，我们设计了依赖于模型的简洁性和语言最小性作为正则化器的算法。为此，我们的算法采用两种方法：一个象征性的和一个反例引导的。虽然符号的方法利用了一个有效的编码语言最小的约束满足问题，反例引导的依赖于生成合适的否定的例子修剪搜索。这两种方法都为我们提供了有效的算法，并在学习模型上提供了理论保证。为了评估我们的算法的有效性，我们评估所有的合成数据。
2023-03-02 cs.AI cs.LO
Synthesising Succinct Strategies in Safety Games
有限回合制安全游戏已被用于非常不同的问题，如线性时序逻辑（LTL）的合成，多处理器平台上运行的计算机系统的合成，也用于确定时间自动机。在这些上下文中，游戏是隐式定义的，并且它们的大小至少是输入大小的指数。然而，这些游戏的竞技场状态之间存在着自然的关系。我们首先形式化的属性，我们期望的状态之间的关系，由于交替模拟的概念。然后，我们展示了如何利用这种模拟来（1）提高OTFUR算法计算获胜策略的运行时间，以及（2）获得获胜策略的简洁表示。我们还表明，我们的一般理论适用于上述三个应用程序。
2014-05-06 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
Full LTL Synthesis over Infinite-state Arenas
University of Gothenburg（哥德堡大学）；Chalmers University of Technology（查尔姆斯理工大学）；TU Wien（维也纳工业大学）；Dedaub
本研究提出了一种基于布尔抽象的完整LTL目标合成方法，通过CEGAR方法提升无限状态竞技场中的合成效率，优于现有最先进方法。
2025-05-27 cs.FL cs.LO cs.PL
Structural Synthesis for GXW Specifications
我们定义的GXW片段的线性时序逻辑（LTL）的基础上合成嵌入式控制软件的安全关键型应用程序。由于GXW包括使用弱直到操作符，我们能够指定一些不同的可编程逻辑控制（PLC）的问题，我们已经从工业训练集编译。对于GXW控制器规范，我们开发了一种新的方法来合成一组同步通信的基于演员的控制器。该综合算法通过对GXW规范的结构进行递归，并根据公式结构生成一组专用的同步通信子控制器。在后续步骤中，2QBF约束求解识别并尝试解决各个GXW规范之间的潜在冲突。GXW合成的这种结构化方法支持安全关键软件认证制度所要求的需求和生成的控制代码之间的可追溯性。GXW规范的合成是在PSPACE中进行的，而2EXPTIME是完整的LTL合成。事实上，我们的实验结果表明，GXW合成规模以及工业规模的控制合成问题，20个输入和输出端口及以上。
2016-07-06 cs.LO cs.SE
Analyzing Deep Neural Networks with Symbolic Propagation: Towards Higher Precision and Faster Verification
State Key Laboratory of Computer Science, Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所计算机科学国家重点实验室）；University of Chinese Academy of Sciences（中国科学院大学）；National University of Defense Technology（国防科技大学）；University of Liverpool（利物浦大学）；Institute of Intelligent Software, Guangzhou（广州智能软件研究院）
深度神经网络（DNN）已经被证明缺乏鲁棒性，因为它们的分类容易受到输入上的小扰动的影响。这导致了将DNN应用于安全关键域的安全问题。已经开发了几种验证方法来自动证明或反驳DNN的安全属性。然而，这些方法遭受可扩展性问题，即，只能处理小的DNN，或者精度问题，即，得到的边界是松散的。本文改进了最近提出的分析DNN通过经典的抽象解释技术，通过一种新的符号传播技术。更具体地说，神经元的值被符号化地表示，并在抽象域之上从输入层向前传播到输出层。我们表明，我们的方法可以实现显着更高的精度，从而可以证明更多的属性比只使用抽象域。此外，我们表明，来自我们的方法对隐藏的神经元的界限，当应用到一个国家的最先进的SMT基于验证工具，可以提高其性能。我们将我们的方法实现到一个软件工具中，并在一些在MNIST等基准数据集上训练的DNN上对其进行验证。
2021-02-23 cs.LG cs.LO
Teaching Temporal Logics to Neural Networks
CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心）；Saarland University（萨尔大学）；Google Research（谷歌研究院）
我们研究了神经符号计算中的两个基本问题：深度学习能否端到端地解决逻辑中的挑战性问题，以及神经网络能否学习逻辑的语义。在这项工作中，我们专注于线性时间时序逻辑（LTL），因为它被广泛用于验证。我们针对问题对一个Transformer进行训练，以直接预测给定LTL公式的解，即迹。训练数据是用经典解算器生成的，然而，经典解算器仅为每个公式提供许多可能的解之一。我们证明，这是足够的训练这些特定的解决方案的公式，和Transformers可以预测解决方案，甚至公式从基准的经典求解器超时的文献。Transformers还可以推广到逻辑的语义：虽然它们经常偏离经典求解器找到的解，但它们仍然可以预测大多数公式的正确解。
2021-02-18 cs.AI cs.LG cs.LO
Model-Free Learning of Safe yet Effective Controllers
Duke University（杜克大学）
本文研究学习安全且有效的控制策略，通过强化学习算法优先保证安全，再满足LTL规范，最后优化控制性能奖励。
2021-09-26 cs.FL cs.LG cs.LO
Symbolic Temporal Supervision of LLM Agents Using Contracts
University of California, Berkeley（加州大学伯克利分校）
针对LLM智能体工具调用的安全监督问题，提出基于LTLf契约的ContrAgent框架，通过确定性自动机同时实现在线门控与离线评估，在四个基准上匹配现有方法且延迟大幅降低。
2026-11-10 cs.AI cs.LO
NeuroNL2LTL: A Neurosymbolic Framework for Natural Language Translation of Linear Temporal Logic
Baylor University（贝勒大学）
提出NeuroNL2LTL神经符号框架，通过验证器在环训练和最小编辑修复机制，实现自然语言到线性时序逻辑的高可靠性翻译，在20万+需求上达到86%的可满足性输出。
2026-05-20 cs.AI cs.LO
Efficient Reactive Synthesis Using Mode Decomposition
针对LTL反应式综合计算复杂度高、难以适配大规模场景的问题，提出基于模式的新型分解算法，将复杂安全规约分解为子问题后顺序组合解，证明了方法的正确性并通过案例验证了可行性。
2023-12-14 cs.LO cs.SE
Mode-Target Games: Reactive Synthesis for Control Applications
本文提出了一类线性时序逻辑（LTL）规范，可在多项式时间内合成控制器。该规范称为模式-目标（MT），受控制应用中多种模式及其对应目标的启发。将合成 enforcing MT 规范的控制器问题建模为游戏，并提供一个需要 O(∑i ti n²) 符号步骤的算法。
2016-12-17 cs.GT cs.LO cs.SY
An Automaton Learning Approach to Solving Safety Games over Infinite Graphs
University of California at Los Angeles（加州大学洛杉矶分校）；University of Pennsylvania（宾夕法尼亚大学）
我们提出了一种方法来构建有限状态反应控制器的系统，其相互作用与他们的对抗性的环境建模的无限持续时间的两个玩家游戏（可能）无限的图形。所提出的方法的目标是安全游戏无限多个国家或与这样一个大量的国家，这将是不切实际的-如果不是不可能的-传统的合成技术，工作在整个状态空间。我们诉诸于构建有限状态控制器，这样的系统，通过自动机学习方法，利用符号表示的基础游戏，是基于有限自动机。在整个学习过程中，学习者保持对获胜区域的近似（表示为有限自动机），并使用教师提供的不同类型的反例对其进行细化，直到可以导出令人满意的控制器（如果存在）。我们提出了一个符号表示的安全游戏（灵感来自定期模型检验），提出实现的学习者和教师，并评估其性能的例子，在动态环境中的机器人运动规划的动机。
2016-01-07 cs.FL cs.LG cs.LO
Towards Safe Autonomous Driving Policies using a Neuro-Symbolic Deep Reinforcement Learning Approach
George Washington University（乔治华盛顿大学）；Istanbul University-Cerrahpasa（伊斯坦布尔大学-杰拉赫帕夏）；University of Surrey（萨里大学）
本文提出神经符号深度强化学习方法DRLSL，结合经验学习与逻辑推理，在真实环境中实现安全自动驾驶，并在HighD数据集上验证了其避免不安全行为、快速收敛及良好泛化能力。
2025-08-17 cs.AI cs.LG cs.LO
