Codifying the Judge: Scalable Evaluation via Program Distillation
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
研究针对基于语言模型的评判器成本高、延迟大等问题,提出用程序蒸馏方法,将其决策逻辑提炼成程序委员会。引入PAJAMA系统,实验显示程序评判器性能可匹配大语言模型,还能提高准确率和吞吐量,产生廉价有效奖励信号。
2026-09-29 cs.AI cs.LG
Few-Shot Knowledge Distillation of LLMs With Counterfactual Explanations
University of Maryland, College Park(马里兰大学 College Park 分校)
针对少样本任务感知知识蒸馏数据不足的问题,提出反事实解释注入蒸馏(CoD)策略,利用反事实解释以更少样本精确映射教师决策边界,并在理论和实验上证明其优于标准方法。
2025-10-24 cs.AI cs.CL cs.CY
Knowledge Distillation with Structured Chain-of-Thought for Text-to-SQL
本文提出Struct-SQL框架,通过结构化思维链知识蒸馏提升小型语言模型在文本到SQL任务中的性能,实现8.1%的准确率提升。
2026-03-11 cs.AI cs.CL cs.DB
COFFEQA: Counterfactual-Guided Few-Shot Distillation for LLM Question Answering
University of Maryland, College Park(马里兰大学学院公园分校)
COFFEQA是一种用于大语言模型问答的反事实引导少样本蒸馏策略,通过引入CFD指标验证事实-反事实对,在多个问答基准上优于仅事实的蒸馏基线。
2026-10-12 cs.AI cs.CL cs.LG
Aligning with Logic: Measuring, Evaluating and Improving Logical Preference Consistency in Large Language Models
University of Cambridge(剑桥大学);Monash University(莫纳什大学)
本研究针对LLMs判断不一致问题,提出基于传递性等三个属性的逻辑偏好一致性评估框架,引入REPAIR技术提升一致性并保持人类偏好对齐,实验证明该框架可反映鲁棒性且改进后算法性能更好。
2025-02-09 cs.AI cs.CL cs.LO
Structured Agent Distillation for Large Language Model
Carnegie Mellon University(卡内基梅隆大学);Harvard University(哈佛大学);MIT(麻省理工学院);Northeastern University(东北大学);Adobe Research(Adobe研究);National University of Singapore(新加坡国立大学);University of Georgia(佐治亚大学);Florida International University(佛罗里达国际大学)
提出结构化智能体蒸馏框架,通过分段对齐推理和动作跨度,将大型语言模型智能体压缩为小型学生模型,在保持决策性能的同时降低推理成本。
2026-05-27 cs.AI cs.CL cs.LG
Collaborative Reasoning Distillation via Cross-Feedback and Coherent Curation
KAIST(韩国科学技术院)
提出协作推理蒸馏框架,通过交叉反馈、逐步质量评估和连贯步骤拼接,以极小数据训练出超越基线的紧凑推理模型CRD-4B。
2026-10-08 cs.AI cs.CL cs.LG
Finding the Evidence: Discovering Decision-Supporting Tokens for On-Policy Reasoning Distillation
Meituan Longcat Team(美团Longcat团队);Nanjing University(南京大学);TJUNLP Lab, College of Intelligence and Computing, Tianjin University(天津大学智能与计算学部TJUNLP实验室)
提出DEAR方法,通过学生熵识别决策点,利用隐状态余弦相似性和师生差异发现证据令牌,在数学和代码基准上提升推理蒸馏效果。
2026-06-23 cs.AI
Logical Distillation of Graph Neural Networks
TU Wien(维也纳工业大学)
提出基于C2逻辑扩展的决策树模型,从GNN中蒸馏可解释分类器,在多种架构上达到相近准确率,且在C2可表达的真实标签下优于GNN。
2024-08-21 cs.AI cs.LG
Exploiting the Rule Structure for Decision Making within the Independent Choice Logic
University of British Columbia(不列颠哥伦比亚大学)
本文介绍了独立选择逻辑,特别介绍了独立选择逻辑的“自然单主体”实例,即ICLdt。这是一个逻辑框架,决策的不确定性,扩展了逻辑编程和随机模型,如影响图。本文展示了如何在独立选择逻辑中表示决策问题,以减少动态规划的组合。影响图评估技术的主要问题之一是需要优化决策变量的“父母”的所有值的决策。在本文中,我们将展示如何基于规则的性质的ICLdt可以被利用,使我们只区分的信息的价值可用于决策,这将使效用的差异。
2013-02-20 cs.AI
Long SKILL Compliance as Logical Reasoning: Closure-Grounded Detection with Scaling-Guided On-Policy Distillation
Meituan(美团)
针对长SKILL合规性检测的成本与精度矛盾,提出SkillCDG框架,结合两级检索与依赖闭包实现检测,在多数据集上优于基线,还发现尺度趋势以优化小模型性能。
2026-08-11 cs.AI
Integrating Logical and Probabilistic Reasoning for Decision Making
Rockwell International Science Center(罗克韦尔国际科学中心);Stanford University(斯坦福大学)
我们描述了一种表示和一组推理方法,结合逻辑编程技术与概率网络表示的不确定性(影响图)。该技术强调复杂和不确定领域的概率和决策理论模型的动态构建和解决方案。给定一个查询,如果可能的话,会产生一个逻辑证明;如果不可能,会产生一个基于查询和决策域知识的影响图,并随后求解。一个统一的声明,一阶,知识表示相结合的逻辑,概率和决策理论推理的综合推理过程。
2013-03-27 cs.AI
Branching On-Policy Distillation
Tsinghua University(清华大学);SenseTime Research(商汤科技研究院);Peking University(北京大学)
本研究针对在线策略蒸馏监督覆盖不足的问题,提出BranchOPD方法,通过分支采样与共享前缀复用降低成本,在数学任务和ALFWorld、WebShop等智能体任务上均优于基线方法。
2026-10-12 cs.AI
Combining Propositional Logic Based Decision Diagrams with Decision Making in Urban Systems
解决多智能体问题可能是一项艰巨的任务,由于环境的不确定性,部分可观察性和手头问题的可扩展性。特别是在城市环境中,有更多的挑战,因为我们还需要保持所有用户的安全,同时最大限度地减少代理的拥塞以及他们的旅行时间。为此,我们解决了不确定性和部分可观测性下的多智能体寻路问题,其中智能体的任务是从起点移动到终点,同时还满足一些约束,例如,低拥塞,并将其建模为多智能体强化学习问题。我们使用命题逻辑编译域约束,并将其与RL算法相结合,以实现RL的快速模拟。
2020-11-10 cs.AI
Decision Shifts, Lost Label Functionality, and an Inconclusive Grounding Audit in Correctness-Gated Multi-Teacher Distillation
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本研究在固定实验中考察正确性门控多教师蒸馏,发现加权策略虽改变决策分布但丧失标签功能,且人类审计无法证明接地增益,相对硬过滤无增量决策收益。
2026-09-10 cs.AI
Interpretable neural networks based on continuous-valued logic and multicriteria decision operators
University of Applied Sciences Esslingen(埃斯林根应用科学大学);Óbuda University(奥布达大学);University of Stuttgart(斯图加特大学);University of Szeged(塞格德大学)
将神经网络与连续逻辑和多准则决策工具相结合可以减少神经模型的黑箱性质。在这项研究中,我们表明,幂零逻辑系统提供了一个适当的数学框架,连续幂零逻辑和神经模型的杂交,有助于提高机器学习的可解释性和安全性。在我们的概念中,感知器模型软不等式,即隶属函数和连续逻辑运算符。我们在训练之前设计了网络架构,使用连续逻辑运算符和多准则决策工具,并在隐藏层中使用给定的权重。适当地设计结构会导致要学习的参数数量急剧减少。理论基础提供了一个简单的选择激活函数(切割函数或其可微近似,挤压函数),并提出了一个解释的巨大成功的整流线性单元(ReLU)。在这项研究中,我们专注于混合模型的架构,并介绍了未来在深度神经网络中应用的构建模块。这个概念是从一个扩展版本的tensorflow游乐场的一些玩具的例子来说明。
2020-02-07 cs.AI
Rethinking Large Language Model Distillation: A Constrained Markov Decision Process Perspective
Huawei Noah’s Ark Lab(华为诺亚实验室);Huawei R&D Munich(华为慕尼黑研发部);UCL Centre for Artificial Intelligence(伦敦大学学院人工智能中心)
本文从约束马尔可夫决策过程视角研究LLM蒸馏,提出无需部署期访问教师模型或状态增强的奖励优化框架,在数学推理任务上提升约束满足率与推理能力。
2025-09-26 cs.AI cs.LG
Online Policy Distillation with Decision-Attention
Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);University of Chinese Academy of Sciences(中国科学院大学)
本文提出带决策注意力的在线策略蒸馏框架OPD-DA,通过为每个策略生成不同权重衡量群体成员重要性,解决无教师模型时多策略在线互学中的同质化问题,并在Atari平台的PPO和DQN任务上验证其有效性。
2024-06-08 cs.AI cs.LG
Optimizations for Decision Making and Planning in Description Logic Dynamic Knowledge Bases
IMT Institute for Advanced Studies(IMT高等研究院)
以工件为中心的业务流程模型最近引起了很多关注,因为它们以无缝的方式将结构(即数据相关)与动态(即流程相关)方面结合起来。然而,在这种方法下开发的许多框架并不是明确为规划而建立的,而规划是与业务流程有关的最重要的业务之一。在本文中,我们试图克服这一点,提出了一个框架,名为动态知识库,旨在通过描述逻辑为基础的本体描述丰富的业务领域,并在一组动作允许系统通过修改这样的本体发展。这个框架,通过提供行动重写和知识偏化,代表了一个可行的和正式的环境,以开发决策和规划技术,基于DL的工件为中心的业务领域。
2015-05-04 cs.AI
Reinforcement Learning in Partially Observable Markov Decision Processes using Hybrid Probabilistic Logic Programs
Gulf University for Science and Technology(海湾科技大学)
我们提出了一个概率逻辑编程框架,强化学习,通过集成强化学习,在POMDP环境中,与正常的混合概率逻辑程序与概率答案集语义,这是能够表示特定领域的知识。我们正式证明了我们的方法的正确性。我们证明了在我们的方法中为强化学习问题找到策略的复杂性是NP完全的。此外,我们证明了任何强化学习问题都可以编码为具有答案集语义的经典逻辑程序。我们还表明,一个强化学习问题可以编码为SAT问题。我们提出了一个新的高层次的动作描述语言,允许POMDP的因子表示。此外,我们修改了POMDP的原始模型,使它能够区分知识生产行动和行动,改变环境。
2010-11-27 cs.AI
Using arguments for making decisions: A possibilistic logic approach
IRIT - UPS(图卢兹计算机科学研究所 - 保罗·萨巴捷大学)
人类目前使用论据来解释已经做出的选择,或者评估潜在的选择。每个潜在的选择通常都有各种优势的利弊。尽管在决策过程中的参数的有用性,有几个正式的建议处理这个想法,如果我们除了福克斯和帕森斯和博内和格夫纳的作品。在本文中,我们提出了一个可能性的逻辑框架,参数是建立在一个不确定的知识基础和一组优先目标。所提出的方法可以计算两种决策,区分悲观和乐观的态度。当可用的,也许是不确定的,知识是一致的,以及一组优先目标(必须尽可能实现),用于评估决策的方法的基础上的参数同意的可能性理论为基础的方法,决策下的不确定性。利用它的关系与正式的方法,可废止的论证,建议的框架可以推广的情况下,部分不一致的知识,或目标基地。
2012-07-11 cs.AI
XAI-LAW: A Logic Programming Tool for Modeling, Explaining, and Learning Legal Decisions
DMIF -- University of Udine, Udine, Italy(乌迪内大学DMIF)
XAI-LAW通过答案集编程建模和学习法律规则,提升刑事审判阶段的推理与解释能力。
2026-01-07 cs.AI
Optimizing Multi-Gateway LoRaWAN via Cloud-Edge Collaboration and Knowledge Distillation
针对大规模多网关LoRaWAN网络,提出云边协同的HEAT-LDL方法,结合Actor-Critic架构与李雅普诺夫优化,通过云边知识蒸馏提升终端自主决策能力,实验显示其数据包成功率和能量效率分别提升20.5%和88.1%。
2025-04-13 cs.AI cs.NI
Logic-Based Decision Support for Strategic Environmental Assessment
战略环境评价是一个程序,旨在引入系统的评估计划和方案的环境影响。这个过程是基于所谓的同轴矩阵,它定义了计划活动(基础设施,工厂,资源提取,建筑物等)之间的依赖关系。积极和消极的环境影响,以及这些影响与环境受体之间的依赖关系。到目前为止,这一程序是由环境专家手工执行的,用于检查给定计划或项目的环境影响,但在计划/项目建设期间从未应用过。一个以明确的逻辑语义为基础的决策支持系统将是一个宝贵的工具,不仅在评估一个单一的、已经确定的计划方面,而且在规划过程中,为了制定一个优化的、经过环境评估的计划和研究可能的替代方案,也是一个宝贵的工具。我们提出了两个基于逻辑的方法来解决这个问题,一个基于约束逻辑编程和一个概率逻辑编程,可以在未来,方便地合并,以利用两者的优势。我们测试所提出的方法在一个真正的能源计划,我们讨论他们的局限性和优势。
2010-07-19 cs.AI
ActionOPD: Distilling Decisions, Not Tokens
Tsinghua University(清华大学)
该研究提出动作级在线蒸馏方法 ActionOPD,通过对齐学生与教师的动作决策实现智能体蒸馏,在工具使用任务的分布外基准上取得 3.3-6.9 个百分点的平均提升,性能优于或媲美现有蒸馏方法。
2026-10-14 cs.AI
Zero-Shot Knowledge Distillation from a Decision-Based Black-Box Model
The University of Tennessee(田纳西大学)
知识蒸馏(KD)是深度神经网络加速的一种成功方法,通过模仿预先训练的高容量网络(教师)的softmax输出来训练紧凑的网络(学生)。传统的KD算法通常依赖于获取训练样本和白盒教师的参数来获取所传递的知识。然而,由于实际应用中的存储成本或隐私问题,这些先决条件并不总是现实的。在这里,我们提出了基于决策的黑盒(DB3)知识蒸馏的概念,通过从黑盒教师(参数不可访问)中提取知识来训练学生,该教师只返回类而不是softmax输出。我们从训练集可访问的场景开始。我们通过计算样本到教师决策边界的距离来表示样本对其他类的鲁棒性,并使用它来构建每个训练样本的软标签。之后,学生可以通过标准KD进行训练。然后,我们将这种方法扩展到一个更具挑战性的情况下,甚至访问训练数据是不可行的。我们建议产生的伪样本区分的教师的决策边界,以最大程度上,并为他们构造软标签,这是用来作为转移集。我们在各种基准网络和数据集上评估了我们的方法,实验结果证明了它们的有效性。代码可在https://github.com/zwang84/zsdb3kd上获得。
2021-06-07 cs.AI cs.CV cs.LG
Representation of preferences for multiple criteria decision aiding in a new seven-valued logic
University of Catania(卡塔尼亚大学);Poznań University of Technology(波兹南理工大学);Systems Research Institute, Polish Academy of Sciences(波兰科学院系统研究所)
本文提出在七值逻辑框架下表示多准则决策辅助中的偏好,通过构造七值偏好关系并利用多个超越关系或价值函数生成稳健推荐,以有效处理不确定性、不精确性和偏好不充分确定等问题。
2024-05-31 cs.AI
A Table-Based Representation for Probabilistic Logic: Preliminary Results
KU Leuven(鲁汶大学);Leuven.AI - KU Leuven Institute for AI(鲁汶AI - 鲁汶大学人工智能研究所)
我们提出了概率决策模型和符号(pDMN),这是决策模型和符号(DMN)的概率扩展。DMN是一种确定性决策逻辑的建模符号,其目的是用户友好和低复杂性。pDMN通过概率推理、谓词、函数、量化和新的命中策略扩展了DMN。与此同时,它旨在保留DMN的用户友好性,允许领域专家在没有IT人员帮助的情况下使用它。pDMN模型可以明确地转换为ProbLog程序以回答用户查询。ProbLog是Prolog的概率扩展,它足够灵活,可以在任何pDMN模型上建模和推理。
2021-10-05 cs.AI
OPTDTALS: Approximate Logic Synthesis via Optimal Decision Trees Approach
Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所)
针对近似逻辑综合(ALS)问题,提出通过学习经验准确率上的最优决策树来实现电路近似的新方法,利用最优性保证在电路复杂度与准确率间实现更可控的权衡,并在设计质量上显著优于现有最先进方法。
2024-08-22 cs.AI
The Quality-Utility Paradox: Why High-Reward Data Impairs Small Model Mathematical Reasoning
University of Science and Technology of China(中国科学技术大学)
发现数学推理蒸馏中的质量-效用悖论:Oracle精炼的高奖励数据因分布漂移增加适应成本,反而不如SLM自生成数据;提出风格对齐精炼方法恢复效用。
2026-06-16 cs.AI
Beyond Timestamps: Decision-Aligned On-Policy Distillation for Long-Horizon Agents
Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing(北京未来区块链与隐私计算高精尖创新中心);Tsinghua University(清华大学);Beihang University(北京航空航天大学)
针对长时程智能体强化学习中特权监督与决策时间戳错位的问题,提出AlignOPSD方法,通过决策对齐监督修正和半马尔可夫层次信用分配,在多个基准上显著优于现有方法。
2026-09-29 cs.AI cs.LG
Distillation of RL Policies with Formal Guarantees via Variational Abstraction of Markov Decision Processes (Technical Report)
Vrije Universiteit Brussel(布鲁塞尔自由大学);University of Antwerp – Flanders Make(安特卫普大学–法兰德斯制造)
我们认为,政策简化和验证的背景下,通过强化学习(RL)在连续环境中学习的政策的挑战。在行为良好的设置中,RL算法在极限内具有收敛保证。虽然这些保证是有价值的,但它们不足以用于安全关键型应用。此外,在应用深度RL等先进技术时,它们会丢失。为了在将高级RL算法应用于具有(i)可达性,(ii)安全约束可达性或(iii)折扣奖励目标的更复杂环境时恢复保证,我们基于Gelada等人提出的DeepMDP框架,推导出未知环境与其学习的离散潜在模型之间的新互模拟边界。我们的互模拟边界使形式化方法能够应用于马尔可夫决策流程.最后,我们展示了如何使用通过最先进的RL获得的策略来有效地训练一个变分自编码器,该编码器产生一个离散的潜在模型,具有可证明的近似正确的互模拟保证。此外,我们还获得了潜在模型的策略的一个精炼版本。
2022-06-14 cs.AI cs.LG
MSVIPER: Improved Policy Distillation for Reinforcement-Learning-Based Robot Navigation
University of Maryland(马里兰大学);National Institute for Standards and Technology(美国国家标准与技术研究院)
我们提出了多场景可验证的强化学习通过政策提取(MSVIPER),一种新的方法,政策蒸馏决策树,以改善机器人导航。MSVIPER使用任何涉及学习状态-动作映射的强化学习(RL)技术来学习“专家”策略,然后使用模仿学习来学习决策树policy. We证明,MSVIPER导致高效的决策树,并且可以准确地模仿专家策略的行为。此外,我们提出了有效的政策蒸馏和树修改技术,利用决策树结构,允许改进的政策,而无需再培训。我们使用我们的方法来提高室内和室外场景的RL为基础的机器人导航算法的性能。我们证明了减少冻结和振荡行为(减少高达95%)的移动机器人导航动态障碍物和减少振动和振荡(高达17%)的室外机器人导航复杂,不平坦的地形方面的好处。
2022-09-19 cs.AI cs.HC cs.LG
A Simple Doxastic Deontic Logic for Norm-Guided Decision Making
TU Wien(维也纳工业大学)
本文提出一种简单的信念道义逻辑,用于在冲突规范和不完整信息下进行决策,并定义了信念规范合规优化问题,区分主观与客观优化,并给出可归约为加权部分MaxSAT的条件。
2026-10-02 cs.AI cs.LO
A Rectification-Based Approach for Distilling Boosted Trees into Decision Trees
Univ. Artois(阿诺学校);CNRS(国家科学研究中心);CRIL(认知与语言研究所);Institut Universitaire de France(法国国家科学院)
本研究提出一种基于校正的提升树到决策树的蒸馏方法,以在预测性能与可解释性间取得可接受折中,实验显示其效果优于重训练式蒸馏方法。
2025-10-21 cs.AI cs.LG
An epistemic logic for modeling decisions in the context of incomplete knowledge
KU Leuven(鲁汶大学)
针对现有决策建模形式化体系无法捕捉不完备知识下决策认知本质的问题,提出结合分层、自认知逻辑与定义的新建模语言,构建层级认知理论知识库以支持认知推理与决策。
2023-12-18 cs.AI cs.LO
Tableau-based decision procedures for logics of strategic ability in multi-agent systems
University of the Witwatersrand(威特沃特斯兰德大学)
我们开发了一个增量的基于表的决策过程的交替时间时序逻辑ATL和它的一些变种。虽然在理论上建立的复杂性上限内运行,我们声称,我们的画面实际上是更有效的平均情况下,比其他决策程序ATL已知的。此外,其适应ATL的变体的容易性证明了所提出的程序的灵活性。
2008-09-09 cs.AI cs.LO cs.MA
MMCD: Multi-Modal Collaborative Decision-Making for Connected Autonomy with Knowledge Distillation
University of Maryland, College Park(马里兰大学 College Park 分校);North Carolina State University(北卡罗来纳州立大学);Adobe Research(Adobe 研究)
本文提出MMCD框架,通过多模态融合与跨模态知识蒸馏的教师-学生结构,解决连接自主中传感器故障或连接车辆缺失下的稳健决策问题,并在空地协同等实验中显著提升驾驶安全性。
2025-09-19 cs.AI cs.MA cs.RO
Accelerating Diffusion Planners in Offline RL via Reward-Aware Consistency Trajectory Distillation
Carnegie Mellon University(卡内基梅隆大学)
本文提出了一种奖励感知一致性轨迹蒸馏方法,通过解耦训练和无噪声奖励信号,在离线强化学习中实现高效扩散规划器,提升性能并加快推理速度。
2026-02-06 cs.AI cs.LG
BACON: A fully explainable AI model with graded logic for decision making problems
Department of Information Systems University of Maryland, Baltimore County (UMBC)(信息系统系大学马里兰大学巴尔的摩县(UMBC));Department of Computer Science San Francisco State University(计算机科学系旧金山州立大学);Department of Information Systems UMBC(信息系统系大学马里兰大学巴尔的摩县(UMBC))
本文提出BACON框架,利用分级逻辑自动训练完全可解释的AI决策模型,在保持高预测准确率的同时提供结构透明性和符号解释,支持人机协作与专家优化,并在多个场景中验证了其生成紧凑可验证决策逻辑的有效性。
2025-05-27 cs.AI cs.LG
Temporal Logic Specification-Conditioned Decision Transformer for Offline Safe Reinforcement Learning
Boston University(波士顿大学)
针对离线安全强化学习在复杂时序逻辑任务中的不足,提出时序逻辑规范条件化Decision Transformer(SDT)框架,结合STL表达力与DT序列建模能力,在DSRL基准上实现了更安全、高奖励的策略学习。
2025-01-24 cs.AI cs.LG
Compositional planning in Markov decision processes: Temporal abstraction meets generalized logic composition
Worcester Polytechnic Institute(伍斯特理工学院)
在马尔可夫决策过程(MDP)的层次规划中,时间抽象允许以顺序组合的形式对发生在不同时间尺度上的宏动作进行规划。在本文中,我们提出了一种新的方法,组合推理和层次规划的时态逻辑约束下的MDP。除了顺序组合,我们介绍了一种基于广义逻辑组合的策略组合:给定子任务的子策略和一个新的任务表示为子任务的逻辑组合,一个半最优的策略,这是最优的规划与只有子策略,可以通过简单地组合子策略。因此,一个综合算法的开发,以计算最优策略有效地规划与原始行动,子任务的政策,和子政策的组成,以最大限度地满足时态逻辑规格的概率。我们证明了所提出的方法的正确性和效率在随机规划的例子与一个单一的代理和多个任务规范。
2019-07-22 cs.AI math.OC
BlackBoxToBlueprint: Extracting Interpretable Logic from Legacy Systems using Reinforcement Learning and Counterfactual Analysis
IIIT Hyderabad
本文提出BlackBoxToBlueprint流水线,用强化学习探索黑盒遗留系统的决策边界,结合反事实状态转移、K-Means聚类和决策树提取可解释规则,并在三类虚拟系统上验证了其有效性。
2025-06-30 cs.AI cs.LG
Hierarchical Decision-Making for Autonomous Navigation: Integrating Deep Reinforcement Learning and Fuzzy Logic in Four-Wheel Independent Steering and Driving Systems
School of Automation, Central South University(自动化学院,中南大学)
本文提出一种面向四轮独立转向与驱动系统的分层决策框架,融合深度强化学习进行高层导航和模糊逻辑进行低层控制,在仿真与真实工业场景中验证了其优于传统方法及纯DRL方案的训练效率、稳定性和安全性。
2025-08-22 cs.AI cs.RO
Entropy Maximization for Markov Decision Processes Under Temporal Logic Constraints
University of Texas at Austin(德克萨斯大学奥斯汀分校);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
研究了在时态逻辑约束下,使马尔可夫决策过程(MDP)的熵最大化的策略的合成问题。这样的策略最小化其生成的路径的可预测性,或者双重地最大化MDP中的不同路径的探索,同时确保满足时态逻辑规范。我们首先证明了MDP的最大熵可以是有限的,无限的或无界的。给出了MDP的最大熵为有限、无穷或无界的充要条件。然后,我们提出了一个算法,这是基于一个凸优化问题,以综合的政策,最大限度地提高熵的MDP。我们还表明,最大化的熵的MDP是等价于最大化的熵的路径,达到一定的一组状态的MDP。最后,我们将该算法扩展到一个受时态逻辑规范的MDP。在数值例子中,我们证明了所提出的方法在不同的运动规划方案和说明之间的关系的限制施加在路径上的规范,最大熵,和路径的可预测性。
2019-06-10 cs.AI math.OC
Do Explanations Increase the Risk of Decision Logic Leakage? Explanation-Guided Stealing of Graph Models
The Hong Kong University of Science and Technology (Guangzhou)(香港科学与技术大学(广州));Xiamen University(厦门大学);The Pennsylvania State University(宾夕法尼亚州立大学)
研究解释机制可能泄露图神经网络决策逻辑的风险,提出一种结合解释对齐与数据增强的模型窃取框架,实验证明其优于传统方法。
2026-06-02 cs.AI cs.LG
\textit{FocaLogic}: Logic-Based Interpretation of Visual Model Decisions
Department of Computer Science and Engineering, The Chinese University of Hong Kong(计算机科学与工程系,香港中文大学)
FocaLogic通过基于逻辑的表示方法,提供了一种系统且可扩展的视觉模型决策解释框架,能够量化并解释模型决策过程。
2026-01-17 cs.AI cs.CV
Semantic Objective Functions: A distribution-aware method for adding logical constraints in deep learning
School of Informatics, University of Edinburgh(爱丁堡大学信息学院);Cohesive Solutions
本文提出一种分布感知的语义目标函数方法,通过逻辑与信息几何整合,将逻辑约束以Fisher-Rao距离或KL散度形式嵌入深度学习模型,适用于分类、知识转移和蒸馏任务。
2024-05-03 cs.AI cs.IT cs.LG
Decision Tree Learning with Spatial Modal Logics
Dept. of Mathematics and Computer Science University of Ferrara, Italy(费拉拉大学数学与计算机科学系);Dept. of Mathematical, Physical and Computer Sciences University of Parma, Italy(帕尔马大学数学、物理与计算机科学系)
符号学习代表了可解释建模的最直接方法,但其应用受到单一结构设计选择的阻碍:采用命题逻辑作为底层语言。最近,已经开始出现比命题更多的符号学习方法,特别是对于时间依赖的数据。这些方法利用模态时态逻辑在强大的学习算法中的表达能力,例如时态决策树,其分类能力与最好的非符号算法相当,同时产生具有明确知识表示的模型。为了在空间数据的情况下遵循相同的方法,本文:i)提出了空间决策树学习理论; ii)描述了基于并严格扩展经典C4.5算法的空间决策树学习算法的原型实现;以及iii)执行一系列实验,在这些实验中,我们比较了空间决策树的预测能力与经典命题决策树的预测能力,用于公共可用数据集上的多类图像分类问题。我们的研究结果是令人鼓舞的,表现出明显的改善,从命题的空间模型,这反过来又表现出更高水平的可解释性。
2021-09-17 cs.AI cs.LG cs.LO
Automaton Distillation: Neuro-Symbolic Transfer Learning for Deep Reinforcement Learning
University of Texas at San Antonio(德克萨斯大学圣安东尼奥分校);University of Central Florida(中佛罗里达大学);Air Force Research Laboratory(空军研究实验室);Florida International University(佛罗里达国际大学);University of Colorado(科罗拉多大学)
本文提出自动机蒸馏,一种神经符号迁移学习方法,将教师DQN的Q值估计蒸馏为自动机表示,用于加速目标环境中的强化学习,并提升泛化能力。
2024-11-07 cs.AI cs.LG
Optimal Control of Logically Constrained Partially Observable and Multi-Agent Markov Decision Processes
University of Southern California(南加州大学);University of New Mexico(新墨西哥大学)
针对自主系统的逻辑约束、部分可观测性及多智能体信息不对称问题,提出带有限线性时序逻辑约束的POMDP最优控制理论与多智能体框架,可合成兼顾高奖励与约束满足概率的策略,经案例验证有效。
2024-06-19 cs.AI cs.FL cs.SY
Tableau-based decision procedure for the multi-agent epistemic logic with all coalitional operators for common and distributed knowledge
Roskilde University(罗斯基勒大学);Technical University of Denmark(丹麦技术大学);University of Johannesburg(约翰内斯堡大学);University of the Witwatersrand(威特沃特斯兰德大学)
我们开发了一个概念清晰,直观,可行的决策程序,用于测试可满足性在充分的多智能体认知逻辑CMAEL(CD)与运营商的共同和分布式知识的语言中提到的所有联盟的代理。为此,我们引入了CMAEL(CD)的Hintikka结构,并证明了在这种结构中的可满足性等价于标准模型中的可满足性。使用该结果,我们设计了一个增量的tableau建设过程,最终构建一个令人满意的Hintikka结构的CMAEL(CD)的公式的每一个可满足的输入集,并关闭每一个不可满足的输入集的公式。
2012-01-25 cs.AI cs.LO math.LO
Logic for Explainable AI
University of California Los Angeles(加州大学洛杉矶分校)
本教程基于符号逻辑的最新发展,提出一种全面的、语义的和计算的可解释性理论,从三个维度(必要且充分条件、最小充分条件、最小必要条件)理解分类器决策,并适用于贝叶斯网络、决策树、随机森林和神经网络等非符号分类器。
2023-05-09 cs.AI cs.LG cs.LO
Decision-making and Fuzzy Temporal Logic
Universidade Federal do Ceará(塞阿拉联邦大学)
本文表明,模糊时序逻辑可以模拟图形的思维来描述决策行为。为了验证这一点,我们从包含时间、不确定性和未来性的选择问题出发,对实验观察到的一些经济行为进行了建模。与时间偏好相关,注意到次加性折扣在正奖励情况下是强制性的,因此导致幅度效应和时间效应,其中最后一个对较早的延迟期(如一小时,一天)具有较强的折扣,但对较长的延迟期(例如,六个月,一年,十年)具有较弱的折扣。此外,还可以解释偏好反转(当在不同日期提出的两个奖励在时间上发生变化时的偏好变化)。与前景理论相关的是,风险寻求和风险厌恶是数量依赖的,当损失的价值很高时,风险寻求可能会消失。
2019-02-15 cs.AI econ.TH math.LO