Controlled Natural Languages and Default Reasoning

作为修订过程的词典编纂结束

The lexicographic closure as a revision process

非单调推理和信念修正之间的联系是众所周知的。非单调推理领域的一个中心问题是缺省蕴涵问题，即，何时表示“如果A为真，则通常B为真”的缺省信息项被认为是从给定的这种信息项集合中得出的。对于这个问题，人们提出了许多答案，但令人惊讶的是，几乎没有人试图将其与信念修正联系起来。本文的目的是给出一个例子，说明如何可以这样的连接，显示如何词典关闭的一组默认值可能被概念化为一个过程中的迭代修订的句子集。具体来说，我们使用Nayak的修订过程。

可能性的概率：为默认规则添加不确定性

The Probability of a Possibility: Adding Uncertainty to Default Rules

我们提出了一个语义添加不确定性的条件逻辑默认推理和信念修订。我们能够将条件句视为条件概率的陈述，并表达修改规则，例如“如果A被相信，那么B将被相信为p度。“这种修改方法通过允许概率为零的句子进行有意义的修改来扩展条件化。这是通过使用反事实概率来实现的。因此，我们的系统占定性方法的更新（特别是，AGM理论的修订）和概率方法的最佳性能。我们还展示了如何我们的系统可以被看作是一个统一的概率论和可能性理论，突出其正交性，并提供了一种手段来表达概率的可能性。我们还展示了连接到刘易斯的成像方法。

模型论概率逻辑与相干概率逻辑之间的非单调概率逻辑

Nonmonotonic Probabilistic Logics between Model-Theoretic Probabilistic Logic and Probabilistic Logic under Coherence

最近，它已被证明，概率蕴涵下的一致性是弱于模型理论的概率蕴涵。此外，概率蕴涵下的一致性是系统P中的默认蕴涵的推广。在本文中，我们继续这条线的研究，提出了更复杂的概念之间的模型理论的概率蕴涵和概率蕴涵下的一致性的经典默认蕴涵的概率概括。也就是说，新的形式主义适当地推广了经典缺省推理中的对应形式，它们比模型论概率蕴涵弱，但在一致性下比概率蕴涵强。新的形式主义是有用的，特别是处理概率不一致的条件下零事件。它们也可以应用于概率信念修正。更一般地说，在相同的精神，类似以前的文件，本文揭示了令人兴奋的新的形式主义概率推理超出了众所周知的标准。

推理通用语：多语言AI的双刃剑

The Reasoning Lingua Franca: A Double-Edged Sword for Multilingual AI

本研究探讨了大型推理模型在多语言环境下的推理能力，发现英语推理在准确性上表现更优，但可能因翻译错误导致问题，揭示了多语言AI的双刃剑特性。

关于最小信念和否定为失败的推理

Reasoning about Minimal Belief and Negation as Failure

我们研究MBNF的命题片段中的推理问题，Lifschitz引入的最小信念和否定的逻辑，它可以被认为是几个非单调形式主义的统一框架，包括默认逻辑，自认知逻辑，限定，认知查询和逻辑编程。我们描述的复杂性，并提供算法的命题MBNF推理。特别是，我们表明，蕴涵命题MBNF位于第三级的多项式层次，因此，它比推理在所有上述命题形式主义的非单调推理。我们还证明了MBNF中的否定失败和摩尔的自认知逻辑中的否定内省之间的确切对应关系。

抽象论证框架的似然语义

A Plausibility Semantics for Abstract Argumentation Frameworks

我们提出并研究了一个简单的排名措施为基础的扩展语义抽象的论证框架的基础上，其通用的实例化默认的知识库和排名结构语义的默认推理。在这种情况下，我们考虑从结构化到逻辑到浅语义实例化的路径。由此产生的合理的JZ扩展语义偏离更传统的方法。

合情推理的若干性质

Some Properties of Plausible Reasoning

本文提出了一个似然推理系统来说明知识表示中的一些广泛问题：不同推理形式之间的二重性，统一互补推理风格的困难，以及似然推理的近似性质。这些问题有一个共同的基本主题：应该有一个基本的信念演算，其中许多不同的推理形式是特例，有时是近似的。该系统允许推理的默认情况下，可能性，必要性和可能性的方式类似于早期的工作亚当斯。该系统基于主观贝叶斯概率的信念演算，而主观贝叶斯概率本身基于关于如何操纵信念的一些简单假设。系统的近似，语义，一致性和后果的结果。虽然这使得这些经常讨论的似是而非的推理形式的概率基础上，有用的应用到实际问题仍然是一个问题。

是检索还是思考？一种情境演化的代理方法

To Retrieve or To Think? Cross-Boundary Context Evolution for Multi-hop Complex Reasoning

本文提出Agentic Context Evolution (ACE)方法，通过代理动态决策在检索与推理间切换，提升知识密集型任务的生成效率与准确性。

蒸馏前审计：面向推理迁移至紧凑医疗语言模型的可控工作流

Audit Before You Distill: A Controlled Workflow for Reasoning Transfer into Compact Medical Language Models

该研究针对医疗专业问答，提出蒸馏前审计推理依据的可控工作流，验证Distill-SFT方法可高效训练紧凑医疗语言模型，减少灾难性遗忘并提升推理表现。

怀疑缺省推理的局限性

Limitations of Skeptical Default Reasoning

普尔已经证明了非单调逻辑不能正确地处理彩票悖论。在本文中，我们将表明，波洛克的理论，可废止推理失败的原因是相同的：可废止推理是不兼容的怀疑概念的可推导性。

An ASP-based Approach to Answering Natural Language Questions for Texts

An approach based on answer set programming (ASP) is proposed in this paper for representing knowledge generated from natural language texts. Knowledge in a text is modeled using a Neo Davidsonian-like formalism, which is then represented as an answer set program. Relevant commonsense knowledge is additionally imported from resources such as WordNet and represented in ASP. The resulting knowledge-base can then be used to perform reasoning with the help of an ASP system. This approach can facilitate many natural language tasks such as automated question answering, text summarization, and automa…

REBA: A Refinement-Based Architecture for Knowledge Representation and Reasoning in Robotics

This paper describes an architecture for robots that combines the complementary strengths of probabilistic graphical models and declarative programming to represent and reason with logic-based and probabilistic descriptions of uncertainty and domain knowledge. An action language is extended to support non-boolean fluents and non-deterministic causal laws. This action language is used to describe tightly-coupled transition diagrams at two levels of granularity, with a fine-resolution transition diagram defined as a refinement of a coarse-resolution transition diagram of the domain. The coarse-r…

大型语言模型中的类指句与缺省推理

Generics and Default Reasoning in Large Language Models

本文评估28个LLM在20种类指概括可废止推理模式上的表现，发现模型间差异大，CoT提示常导致性能显著下降，多数模型难以区分可废止与演绎推理，揭示了当前LLM在缺省推理上的能力边界。

修订策略的陈述性表示

Declarative Representation of Revision Strategies

在本文中，我们引入了一个非单调的框架，信念修订推理的可靠性不同的信息的基础上元知识的信息是可能的，并在修订策略可以描述声明。该方法是基于一个普尔式系统的默认推理，其中壕沟信息表示在逻辑语言。基于单调算子的最小不动点的推理概念用于确保所有理论具有一致的结论集。

提升推理语言模型的参数知识访问能力

Improving Parametric Knowledge Access in Reasoning Language Models

通过强化学习训练，提升推理语言模型在参数知识访问上的能力，改进知识回忆和问答任务表现。

默认推理的另一种视角

Another perspective on Default Reasoning

定义了任意给定的有限正规缺省集D的字典序闭包。一个条件断言“if a then b”在这个字典式闭包中，如果给定默认值D和事实a，则得出b。字典序闭包本质上是D的一个有理扩张，它的有理闭包在前面的文章中定义。它提供了一种正常缺省的逻辑，不同于R. Reiter，这已经足够丰富，不需要考虑非正常违约。提供了大量的例子来表明，字典式闭包对应于赖特的缺省逻辑背后的基本直觉。

关于逻辑程序设计的说明性阅读的一点注记

A note on the Declarative reading(s) of Logic Programming

本文分析了逻辑程序设计的说明性阅读。逻辑编程--以及作为失败的否定--没有唯一的声明性阅读。一个普遍的观点是，逻辑编程是默认推理的逻辑，默认逻辑或自动认知逻辑的子形式主义。在这种观点中，作为失败的否定是一个模态算子。在另一种观点中，逻辑程序被解释为定义。在这种观点中，作为失败的否定是经典的客观否定。从常识的角度来看，这两种观点肯定是有区别的。令人惊讶的是，这两种类型的声明性阅读都导致了相同的模型语义。本说明调查了这一情况的原因。

Non-Monotonic Spatial Reasoning with Answer Set Programming Modulo Theories

The systematic modelling of dynamic spatial systems is a key requirement in a wide range of application areas such as commonsense cognitive robotics, computer-aided architecture design, and dynamic geographic information systems. We present ASPMT(QS), a novel approach and fully-implemented prototype for non-monotonic spatial reasoning -a crucial requirement within dynamic spatial systems- based on Answer Set Programming Modulo Theories (ASPMT). ASPMT(QS) consists of a (qualitative) spatial representation module (QS) and a method for turning tight ASPMT instances into Satisfiability Modulo Theo…

Modeling and Reasoning in Event Calculus using Goal-Directed Constraint Answer Set Programming

Automated commonsense reasoning is essential for building human-like AI systems featuring, for example, explainable AI. Event Calculus (EC) is a family of formalisms that model commonsense reasoning with a sound, logical basis. Previous attempts to mechanize reasoning using EC faced difficulties in the treatment of the continuous change in dense domains (e.g., time and other physical quantities), constraints among variables, default negation, and the uniform application of different inference methods, among others. We propose the use of s(CASP), a query-driven, top-down execution model for Pre…

Kappa演算与概率推理的关系

On the Relation between Kappa Calculus and Probabilistic Reasoning

我们研究了kappa演算和概率推理在诊断应用中的联系。具体来说，我们抽象的概率信念网络诊断故障到一个Kappa网络，并比较使用这两种方法计算的故障的顺序。我们表明，至少对于检查的例子，故障的顺序一致，只要考虑到所有的因果关系在原来的概率网络。我们还提供了一个正式的分析，一些网络结构，这两种方法将不同。Kappa等级和无穷小概率都被广泛用于研究缺省推理和信念修正。但是，在利用上述联系方面却做得很少。这部分是因为kappa和概率演算之间的关系假设概率任意接近于1（或0）。本文中的实验研究这种关系时，这个假设不满足。报告的结果有重要的影响，使用Kappa排名，以提高知识工程的不确定性模型。

Analysing Neural Language Models: Contextual Decomposition Reveals Default Reasoning in Number and Gender Assignment

Extensive research has recently shown that recurrent neural language models are able to process a wide range of grammatical phenomena. How these models are able to perform these remarkable feats so well, however, is still an open question. To gain more insight into what information LSTMs base their decisions on, we propose a generalisation of Contextual Decomposition (GCD). In particular, this setup enables us to accurately distil which part of a prediction stems from semantic heuristics, which part truly emanates from syntactic cues and which part arise from the model biases themselves instea…

带条件约束的概率缺省推理

Probabilistic Default Reasoning with Conditional Constraints

我们提出了一个组合的概率推理的条件约束的方法，默认推理的条件知识库。详细地说，我们推广了Pearl在系统Z中的蕴涵，Lehmann的词典蕴涵和Geffner的条件蕴涵的概念。我们给出了一些例子，表明新的概念的z-，字典式，和条件蕴涵有类似的性质，像他们的经典同行。此外，我们表明，新的概念的z-，字典，和条件蕴涵是适当的推广，他们的经典同行和经典概念的逻辑蕴涵的条件约束。

TopBench：表格问答中隐式预测推理的基准

TopBench: A Benchmark for Implicit Predictive Reasoning in Tabular Question Answering

提出TopBench基准，包含779个样本和四个子任务，评估大语言模型在表格问答中识别隐式预测意图并进行可靠推理的能力，发现当前模型在意图识别上存在困难。

有界路径上下文：基于LLM的知识图谱问答中可见路径历史的受控研究

Bounded Path Context: A Controlled Study of Visible Path History in LLM-Based Knowledge Graph Question Answering

本文提出有界路径上下文（BPC）方法，通过将完整路径存储在符号记忆中，仅暴露最近K跳路径给关系选择提示，在WebQSP和CWQ数据集上使用Qwen3.5-9B-AWQ模型达到或超过全历史提示的性能，同时减少输入token。

赖特的缺省逻辑是一种好的自认识推理逻辑

Reiter's Default Logic Is a Logic of Autoepistemic Reasoning And a Good One, Too

一个事实显然没有观察到以前的文献中的非单调推理是赖特，在他的默认逻辑论文，没有直接形式化的非正式默认。相反，他将一个缺省翻译成某种自然语言命题，并提供了后者的形式化。几年后，摩尔注意到，像赖特使用的命题从根本上不同于默认，并表现出一定的自我认识性质。因此，赖特发展了他的缺省逻辑，作为自我认识命题的形式化，而不是缺省。本文的第一个目标是表明，一些问题的Reiter的默认逻辑作为一种正式的方式来推理非正式默认直接归因于默认逻辑的自认识性质和非正式默认之间的不匹配和Reiter的正式默认，后者是一个正式的表达的自认识命题Reiter作为一个代表的非正式默认。我们的论文的第二个目标是比较赖特和摩尔的工作。虽然他们每个人都试图形式化的自认识命题，在各自的逻辑推理模式是不同的。我们重温摩尔和赖特的直觉，并从自定理的角度提出它们，其中理论可以包括涉及理论自身定理的命题。然后，我们讨论了形式化的这一观点的逻辑摩尔和赖特，分别使用统一的语义框架默认和自认知逻辑，我们以前开发的。我们认为，赖特的默认逻辑是一个更好的形式化摩尔的直觉比摩尔自己的autoepistemic逻辑的autoepistemic命题。

非单调推理与故事理解

Non-Monotonic Reasoning and Story Comprehension

本文提出了一个与缺省推理相结合的关于动作和变化的推理框架，适合作为故事理解的知识表示和推理框架。所提出的框架在阅读和理解心理学现有知识的指导下，以人工智能的论证理论为基础。它使用论证来捕捉适当的解决方案的框架，分歧和资格问题和概括这些问题所需的文本理解。在本研究的第一部分，工作集中在整合（或阐述）的明确信息与隐含的（在读者心目中）常识世界知识的文本中给出的故事的主题（S）的文本中的叙述的中心问题。我们还报告了我们的经验努力，收集背景常识的世界知识时，人类阅读的故事，并评估，通过原型系统，我们的方法来捕捉大多数和变化的理解故事的人类读者在实验中的能力。

Reasoning about Qualitative Direction and Distance between Extended Objects using Answer Set Programming

In this thesis, we introduce a novel formal framework to represent and reason about qualitative direction and distance relations between extended objects using Answer Set Programming (ASP). We take Cardinal Directional Calculus (CDC) as a starting point and extend CDC with new sorts of constraints which involve defaults, preferences and negation. We call this extended version as nCDC. Then we further extend nCDC by augmenting qualitative distance relation and name this extension as nCDC+. For CDC, nCDC, nCDC+, we introduce an ASP-based general framework to solve consistency checking problems, …

DLV -一个陈述式问题求解系统

DLV - A System for Declarative Problem Solving

DLV是一个高效的逻辑编程和非单调推理（LPNMR）系统，具有先进的知识表示机制和经典关系数据库系统的接口。它的核心语言是具有完整性约束的答案集语义（Answer Set Semantics）下的析取数据库（无函数析取逻辑编程），包括默认和强（或显式）否定以及查询。还支持算术运算和各种内置谓词。此外，DLV有几个前端，即勇敢和谨慎的推理，溯因诊断，基于一致性的诊断，SQL 3的一个子集，使用动作语言进行规划，以及使用继承进行逻辑编程。

信念函数与缺省推理

Belief Functions and Default Reasoning

本文提出了一种基于信任函数理论的违约信息处理方法。我们的语义结构，灵感来自亚当斯的ε语义，ε信念分配，其中致力于焦点元素的值要么接近0，要么接近1。我们定义了两个系统的基础上，这些结构，并将它们与文献中提出的其他非单调系统。我们表明，我们的第二个系统正确地解决了众所周知的问题的特异性，无关性，继承，歧义和冗余。

非单调推理系统的插值定理

Interpolation Theorems for Nonmonotonic Reasoning Systems

克雷格插值定理（Craig's interpolation theorem，Craig 1957）是命题逻辑和一阶逻辑中的一个重要定理。它说，如果一个逻辑公式$β$在逻辑上从一个公式$α$得出，那么就有一个公式$γ$，只包括出现在两个$α,β$中的符号，这样$β$在逻辑上从$γ$得出，而$γ$在逻辑上从$α$得出。这样的定理对于理解它们所处的逻辑以及加速用这些逻辑中的理论进行推理是重要和有用的。在本文中，我们提出了插值定理在这种精神的三个非单调系统：限制，默认逻辑和逻辑程序的稳定模型语义（a.k.a.）。答案集语义）。这些结果使我们更好地理解这些逻辑，特别是与它们的非单调特性相比。他们认为，一些\emph{monotonicity}原则持有，尽管这些逻辑的经典单调性失败。此外，它们有时允许我们使用这些系统的推理分解方法，可能会增加它们的适用性和易处理性。最后，它们允许我们构建使用这些逻辑的结构化表示。

顺序保持：上下文敏感的默认扩展

Sequential Thresholds: Context Sensitive Default Extensions

缺省逻辑在表示常识推理任务时遇到了一些概念上的困难。我们认为，我们不应该试图制定模块化的默认规则，假定在所有或大多数情况下工作。我们需要考虑到在推理过程中不断演变的背景的重要性。顺序阈值化是默认逻辑的定量对应物，它明确了上下文在非单调扩展的构建中所扮演的角色。我们提出了一个通用的非单调推理的语义特征，以及有关默认逻辑和顺序阈值的实例。这提供了两种机制之间的联系，以及一种整合两者的方式，对双方都有利。

关于概率的缺省推理逻辑

A Logic for Default Reasoning About Probabilities

定义了一种逻辑，它允许表达关于统计概率和关于特定命题的置信度的信息。通过在一个共同的概率空间中解释两种类型的概率，给出的语义非常适合于模拟统计信息对主观信念形成的影响。交叉熵最小化是这些语义中的一个关键元素，它的使用是合理的，表明所产生的逻辑表现出一些非常合理的属性。

保留、定制还是退出：大语言模型推理服务中的默认设计与代币定价

Keep, Customize, or Exit: Default Design and Token Pricing in LLM Reasoning Services

该研究针对LLM推理服务的供需交互建立Stackelberg博弈模型，推导最优解，明确默认设置的影响条件，实验验证模型并展示均衡相关因素。

基于语法的缺省推理作为基于概率模型的诊断

Syntax-based Default Reasoning as Probabilistic Model-based Diagnosis

我们认为基于语法的方法默认推理作为一个基于模型的诊断问题，其中每个源给出的一条信息被认为是一个组件。它在ATMS框架中形式化（每个源对应一个假设）。我们假设所有的源都是独立的，并且以非常小的概率“失败”。这导致了对候选集的概率分配，或者等价地对一致环境集的概率分配。这种概率分配导致了一个Dempster-Shafer信念函数，它测量了一个命题可以从证据中推导出来的概率。这个信念函数可以用几种不同的方式来定义一个非单调的后果关系。我们研究和比较这些后果关系。优先知识库的情况下被简要考虑。

ASPMT（QS）：基于答案集规划模理论的非单调空间推理

ASPMT(QS): Non-Monotonic Spatial Reasoning with Answer Set Programming Modulo Theories

\emph{dynamic spatial systems} [9]的系统建模是广泛应用领域的关键要求，例如常识认知机器人、计算机辅助建筑设计、动态地理信息系统。我们提出了ASPMT（QS），一种新的方法和完全实现的原型非单调空间推理--动态空间系统内的一个关键要求-基于答案集编程模理论（ASPMT）。ASPMT（QS）包括一个（定性）空间表示模块（QS）和一种方法，用于将紧密的ASPMT实例转换为SAT模理论（SMT）实例，以便通过SMT求解器计算稳定的模型。我们正式和实施的默认空间推理和空间框架公理的概念，使用选择公式。空间推理是通过将空间关系编码为多项式约束系统，并利用实非线性算法理论通过SMT求解来实现的。我们经验评估ASPMT（QS）与其他著名的当代空间推理系统相比。我们的研究结果表明，ASPMT（QS）是唯一现有的系统，能够推理的间接空间效应（即解决分歧的问题），并整合几何和定性空间信息的非单调空间推理上下文。

Visual Explanation by High-Level Abduction: On Answer-Set Programming Driven Reasoning about Moving Objects

We propose a hybrid architecture for systematically computing robust visual explanation(s) encompassing hypothesis formation, belief revision, and default reasoning with video data. The architecture consists of two tightly integrated synergistic components: (1) (functional) answer set programming based abductive reasoning with space-time tracklets as native entities; and (2) a visual processing pipeline for detection based object tracking and motion analysis. We present the formal framework, its general implementation as a (declarative) method in answer set programming, and an example applicat…

优先缺省逻辑的复杂性

Complexity of Prioritized Default Logics

在缺省推理中，通常不是所有可能的解决缺省规则之间冲突的方法都是可接受的。表达解决冲突的可接受方式的标准可以在推理机制中硬连线，例如继承推理中的特异性可以以这种方式处理，或者它们可以抽象地作为默认规则的排序。在这篇文章中，我们调查形式化的后一种方法在赖特的默认逻辑。我们的目标是分析和比较三个这样的形式化的计算复杂性的计算特性：优先默认逻辑的Baader和Hollunder，和Brewka，优先默认逻辑是基于词典比较。分析位于这些逻辑的第二和第三层次的多项式的命题变体，并确定了边界之间的听话和棘手的推理优先级默认理论的限制类。

Relations between assumption-based approaches in nonmonotonic logic and formal argumentation

In this paper we make a contribution to the unification of formal models of defeasible reasoning. We present several translations between formal argumentation frameworks and nonmonotonic logics for reasoning with plausible assumptions. More specifically, we translate adaptive logics into assumption-based argumentation and ASPIC+, ASPIC+ into assumption-based argumentation and a fragment of assumption-based argumentation into adaptive logics. Adaptive logics are closely related to Makinson's default assumptions and to a significant class of systems within the tradition of preferential semantics…

不精确概率的传递性推理

Transitive reasoning with imprecise probabilities

我们研究概率信息（弱）版本的传递性，通过使用合适的定义的默认值和否定的默认值，在设置的连贯性和不精确的概率。我们表示p-一致的序列的默认值和/或否定的默认值的g-相干的不精确概率评估的相应序列的条件事件。最后，我们证明了弱传递性的连贯概率传播规则和有效性的选择推理模式，通过证明相关的知识库的p-蕴涵。

似然性度量与缺省推理

Plausibility Measures and Default Reasoning

我们介绍了一种新的方法来建模的不确定性的基础上可扩展性措施。这种方法很容易推广到其他建模不确定性的方法，如概率测度，置信函数和可能性测度。本文重点讨论了可解释性测度的一个应用：缺省推理。近年来，已经提出了许多不同的缺省语义，例如优先结构、$ε$ -语义、可能性结构和$κ$ -排序，它们被证明是由相同的公理集表征的，称为KLM性质。虽然这被认为是一个惊喜，但我们在这里表明，这几乎是不可避免的。在相容性测度的框架下，我们可以给出KLM公理是可靠的一个必要条件，以及保证KLM公理是完备的一个附加的充要条件。这个附加条件是如此的弱，以至于只要公理是合理的，它几乎总是满足的。特别是，很容易看出它适用于文献中提出的所有建议。

基于可能性理论的非单调推理

Nonmonotonic Reasoning via Possibility Theory

我们介绍了可能性限定的操作，并展示了如何操作。该模态类算子可用于表示非单调推理理论中的“典型”或缺省知识。我们调查这种方法的代表性的力量，从非单调推理文献中寻找一些典型的问题。特别是，我们看看所谓的耶鲁射击问题和它的关系，在默认推理的优先级。

带继承的选言逻辑程序

Disjunctive Logic Programs with Inheritance

本文提出了一种新的知识表示语言DLP<，它通过继承扩展了析取逻辑程序设计（具有强否定）。继承的增加增强了语言的知识建模功能，提供了带有异常的默认推理的自然表示。给出了DLP<的一种声明性模型论语义，它推广了析取逻辑程序的回答集语义.通过对经典非单调问题的编码说明了该语言的知识建模特点。分析了DLP<的复杂性，证明了继承不会引起任何计算开销，因为DLP<中的推理与析取逻辑程序设计中的推理具有完全相同的复杂性。这一点被从DLP<到普通析取逻辑编程的有效翻译的存在所证实。使用这种翻译，一个支持DLP<语言的高级KR系统已经在DLV系统上实现，随后被集成到DLV中。

缺省推理与可转移信念模型

Default Reasoning and the Transferable Belief Model

不恰当地使用Dempster的组合规则导致一些作者拒绝Dempster-Shafer模型，认为当涉及违约时，它会导致不可接受的结论。一个最经典的例子是关于企鹅翠儿。本文将依次介绍：Tweety案例中管理失误的根源;两种违约类型;基于可转移信念模型的两种违约类型的正确解决方案（我们对Dempster-Shafer模型的解释（Shafer 1976，Smets 1988））;除非明确说明，本文中使用的所有置信函数都是简单支持函数，也就是说，只有一个识别框架的命题（焦点）得到一个正的基本信念质量，其余的质量被赋予重言式的信念函数。每个置信函数将由其焦点和焦点的权重（例如m（A）=.9）来描述。基本信念质量的计算总是通过将每个信念函数虚扩展到由所有相关变量构建的乘积空间，通过Dempster组合规则在该空间上组合它们，并将结果投影到对应于每个单独变量的空间来执行。

概率推理中的非单调性

Non-Monotonicity in Probabilistic Reasoning

首先，我们定义了一种方法，非单调概率推理的非单调分类（真假）推理。我们确定了一种类型的非单调概率推理，类似于默认继承，这是在实践中常见的，特别是在“证据”和“贝叶斯”推理。我们制定这方面的条件独立性（MCI）的最大化，并确定了各种应用这种默认。我们提出了一个形式化使用逐点限制。我们将MCI与另一种非单调原理最大熵进行了比较，并提出了一些有待解决的问题

引导式推理：非技术性介绍

Guided Reasoning: A Non-Technical Introduction

本文以非技术方式介绍引导式推理概念及Logikon的默认实现，其中引导者智能体通过与其他智能体交互来提升推理质量。

Prioritised Default Logic as Argumentation with Partial Order Default Priorities

We express Brewka's prioritised default logic (PDL) as argumentation using ASPIC+. By representing PDL as argumentation and designing an argument preference relation that takes the argument structure into account, we prove that the conclusions of the justified arguments correspond to the PDL extensions. We will first assume that the default priority is total, and then generalise to the case where it is a partial order. This provides a characterisation of non-monotonic inference in PDL as an exchange of argument and counter-argument, providing a basis for distributed non-monotonic reasoning in …

不确定性和不完整性

Uncertainty and Incompleteness

使用缺省逻辑的两个主要困难是它们的棘手性和在多个扩展中选择的问题。我们提出了一种方法，这些问题的基础上整合非单调推理与合理的推理的基础上三角规范。先前提出的不确定性推理系统（RUM）在非循环图上执行不确定单调推理。我们已经扩展了RUM允许非单调的推论和周期内的非单调规则。通过限制非单调循环的大小和复杂性，我们仍然可以进行有效的推理。不确定性度量为在多个违约中做出决定提供了基础。讨论了寻找最佳默认值的不同算法和启发式方法。

推理还是背诵？通过反事实任务探索语言模型的能力与局限

Reasoning or Reciting? Exploring the Capabilities and Limitations of Language Models Through Counterfactual Tasks

本文通过11项反事实任务变体评估语言模型，发现其性能虽非零但较默认条件显著下降，表明模型兼具抽象推理与狭窄不可迁移的程序化解题能力，呼吁更谨慎地解读模型表现。

缺省逻辑和自认知逻辑的统一语义处理

Uniform semantic treatment of default and autoepistemic logics

我们重新审视了非单调推理中两种主要形式主义之间的联系：自认知逻辑和缺省逻辑。对于每个逻辑，我们开发了一个全面的语义框架的基础上的概念的信念对。所有信念对的集合与所谓的知识排序一起形成一个完整的格。对于每一个逻辑，我们介绍了几个语义的信念对格上的运营商的不动点。我们的研究结果阐明了各自的语义结构的基本同构。特别是，我们表明，由Konolige提出的模态公式的默认值的解释，使我们能够代表所有的语义默认逻辑的相应的语义的自认识逻辑。因此，我们的研究结果最终确定，默认逻辑确实可以被视为一个片段的自我认知逻辑。然而，正如我们还证明的那样，Moore和Reiter的语义是由不同的运算符给出的，并且在其相应的语义族中占据不同的位置。这一结果解释了长期以来难以将这两种语义正式联系起来的原因。在本文中，我们还讨论了近似怀疑推理与自认知和默认逻辑，并建立建设性的原则背后的这种近似。

从统计知识库到置信度

From Statistical Knowledge Bases to Degrees of Belief

一个智能体通常不确定其环境的各种属性，当在该环境中行动时，它经常需要量化其不确定性。例如，如果智能体希望采用决策理论的预期效用范式来指导其行动，它将需要为各种断言分配置信度（主观概率）。当然，这些置信度不应该是任意的，而是应该基于代理人可获得的信息。本文介绍了一种方法，从非常丰富的知识库，可以包括特定的个人，统计相关性，物理定律和默认规则的信息诱导程度的信念。我们称之为随机世界方法。该方法基于无差异原则：它将智能体认为可能的所有世界视为同等可能。它能够通过提供一种语言来集成定性缺省推理和定量概率推理，在这种语言中，两种类型的信息都可以很容易地表达。我们的研究结果表明，在直接推理（推理从统计信息的结论对个人）和默认推理直接遵循{从}随机世界的语义出现的一些desiderata。例如，随机世界捕捉了重要的推理模式，如特异性，遗传，对无关信息的漠不关心，以及独立性的默认假设。此外，所使用的语言的表达能力和随机世界的直观语义允许该方法处理超出许多其他非演绎推理系统范围的问题。

定性概率中的例外子类

Exceptional Subclasses in Qualitative Probability

系统Z+ [Goldszynn and Pearl，1991，Goldszynn，1992]是一种形式主义，用于推理形式为“typically if phi then +（with strength cf）”的正规缺省值，其中6是一个正整数。该系统有一个严重的缺点，即它不批准跨异常子类的继承。在本文中，我们提出了一个扩展系统Z+，纠正这个缺点，从默认数据库中提取世界之间的附加条件。我们表明，额外的约束条件不改变数据库的一致性的概念。我们还与竞争默认推理系统进行比较。

逻辑中的冗余III：非单调推理

Redundancy in Logic III: Non-Mononotonic Reasoning

给出了限制理论和缺省理论的冗余性结果。特别是，建立一个给定的理论是否是冗余的复杂性。

推理深度与环境复杂度：逻辑推理任务中RLVR数据分配的受控研究

Reasoning Depth and Environment Complexity: A Controlled Study of RLVR Data Allocation across Logical Reasoning Tasks

通过将推理空间划分为深度和复杂度两个维度，并考虑四种推理形式，在合成知识图谱环境中进行受控实验，发现联合深度-复杂度覆盖优于单轴策略，不同推理家族对RLVR覆盖的反应非均匀，且均匀混合优于分阶段课程。

推理模型是固执的：诊断推理模型中的指令覆盖现象

Reasoning Model is Stubborn: Diagnosing Instruction Overriding in Reasoning Models

针对大模型在推理中无视用户指令、默认采用习惯路径的问题，本文提出专家诊断数据集，识别出三种指令覆盖模式，以促进缓解推理僵化。