Controllable and Reliable Knowledge-Intensive Task-Oriented Conversational Agents with Declarative Genie Worksheets
针对大语言模型对话智能体的幻觉、条件逻辑遵循差等问题，提出可编程框架Genie，通过声明式工作表和运行时管控实现可控可靠的对话，在复杂数据集及三项真实任务中性能显著提升。
2025-06-17 cs.AI cs.CL cs.PL
Bridging Natural Language and ASP: A Hybrid Approach Using LLMs and AMR Parsing
United States Air Force（美国空军）
针对不熟悉编程的用户需与ASP交互的问题，提出结合LLM和AMR解析将无约束英语转换为ASP程序的方法，LLM完成简单任务、AMR生成约束，成功解决逻辑谜题，为轻量可解释系统奠定基础。
2025-11-11 cs.AI
Strabo: Declarative Specification and Implementation of Agentic Interaction Protocols
North Carolina State University（北卡罗来纳州立大学）；Lancaster University（兰卡斯特大学）
提出 Strabo，通过声明式交互协议建模 UCP 的结账部分，并利用 Peach 编程模型实现代理，展示声明式规范的优势，同时实现与 Google UCP 代理的互操作，为 EMAS 思想在实践中的渐进引入提供路径。
2026-06-03 cs.AI
SolidCoder: Bridging the Mental-Reality Gap in LLM Code Generation through Concrete Execution
Electronics and Telecommunications Research Institute, Republic of Korea（韩国电信研究所）
SolidCoder通过强制边缘情况意识和沙盒执行解决心理现实差距，提升代码生成性能，实现HumanEval、CodeContests和APPS的高准确率。
2026-04-20 cs.AI cs.SE
Bridging Declarative, Procedural, and Conditional Metacognitive Knowledge Gap Using Deep Reinforcement Learning
North Carolina State University（北卡罗来纳州立大学）
提出用DRL在智能辅导系统中实施适应性元认知干预，帮助学生掌握后向链接策略的陈述性、程序性与条件性知识，并显著提升跨领域后续学习表现和决策自主性。
2023-04-23 cs.AI cs.CY cs.HC
ASP-Based Declarative Process Mining (Extended Abstract)
Sapienza University of Rome（罗马第一大学）；Free University of Bozen-Bolzano（博尔扎诺自由大学）
我们提出了答案集编程（ASP）作为一种方法来建模和解决问题，从该地区的声明性过程挖掘（PROD）。我们认为在这里三个经典的问题，即，日志生成，一致性检查，查询检查。这些问题是从控制流和数据感知的角度来解决的。该方法是基于（有限状态）自动机的过程规范的表示。由于这些严格来说比事实上的UML标准规约语言DEGEE更有表现力，因此可以处理比UML典型的那些更一般的规约，例如有限迹上的线性时间时态逻辑中的公式。(Full第36届AAAI人工智能会议论文集中提供的版本）。
2022-09-26 cs.AI
Semantic Operators: A Declarative Model for Rich, AI-based Data Processing
Stanford University（斯坦福大学）；UC Berkeley（加州大学伯克利分校）
针对现有LLM数据处理系统缺乏性能保证与表达力的问题，提出声明式语义算子模型，通过黄金算法保证准确性并优化成本，在LOTUS系统中实现，加速多种操作并提升AI流水线质量。
2025-03-01 cs.AI cs.CL cs.DB
Interactive AI Alignment: Specification, Process, and Evaluation Alignment
Google DeepMind（谷歌DeepMind）；Google（谷歌公司）；Harvard University（哈佛大学）
该研究结合声明式AI交互特性，重新定义交互式AI对齐的三大目标（规范、过程、评估对齐），并展示其在描述、指导及评估AI系统对齐效果方面的应用价值。
2024-09-16 cs.AI cs.HC
ReasonSTL: Bridging Natural Language and Signal Temporal Logic via Tool-Augmented Process-Rewarded Learning
Shanghai Jiao Tong University（上海交通大学）；Alibaba Group（阿里巴巴集团）
本文提出ReasonSTL框架，通过工具增强和过程奖励学习，解决自然语言到信号时间逻辑（STL）的转换难题，提供透明、低成本且隐私保护的正式规范起草方案。
2026-05-08 cs.AI cs.RO cs.SY
Declarative Scenario-based Testing with RoadLogic
AIT Austrian Institute of Technology（AIT奥地利技术研究所）
本文提出RoadLogic，通过答案集编程生成抽象计划，结合运动规划生成可行轨迹，并基于规范进行验证，实现声明式OS2规范与可执行模拟的桥梁，提升自动驾驶系统场景测试的系统性。
2026-03-30 cs.AI cs.LO cs.SE
Conformance Checking of Fuzzy Logs against Declarative Temporal Specifications
Free University of Bozen-Bolzano（波尔扎诺自由大学）；University of Bologna（博洛尼亚大学）；University of Edinburgh（爱丁堡大学）
针对事件数据带不确定性的场景，研究模糊日志与声明式时态规则的一致性检查问题，定义模糊版LTLf、将检查转化为该逻辑的验证问题，并给出基于PyTorch的高效概念验证实现。
2024-06-17 cs.AI cs.LO
Declarative Statistical Modeling with Datalog
LogicBlox, Inc.（LogicBlox公司）；Oxford University（牛津大学）
用于指定统计模型的形式，例如概率程序设计语言，通常由两部分组成：随机过程的规范（先验）和将概率空间限制为条件子空间的观测规范（后验）。这种形式主义的用例包括机器学习和人工智能中的算法的开发。我们提出并研究了一个声明性的框架，通过适当的扩展数据库的数据库上指定的统计模型。通过扩展数据库，我们的框架提供了一个自然的集成与数据库，并具有强大的声明性语义。我们的数据库扩展提供了方便的机制，包括数值概率函数，特别是，规则的结论可能包含从这些功能得出的值。程序的语义是输入数据库中关于程序的可能结果的概率分布;这些结果是关于结论中存在量化变量的相关程序的最小解。通过对外延关系和内涵关系的完整性约束，观察自然地被合并。我们专注于使用离散数值分布的程序，但即使这样，可能结果的空间也可能是不可数的（因为解决方案可以是无限的）。我们定义了一个概率测度可能的结果，通过应用已知的概念，圆柱集的概率追逐过程。我们表明，由此产生的语义是强大的，在不同的追逐。我们还确定了保证所有可能结果都是有限的条件（然后概率空间是离散的）。我们认为，我们提出的框架保留了纯粹的声明性质的数据库，并允许自然规范的统计模型。
2015-01-05 cs.AI cs.DB cs.PL
Measuring Rule-based LTLf Process Specifications: A Probabilistic Data-driven Approach
Vienna University of Economics and Business（维也纳经济与商业大学）；Sapienza University of Rome, Department of Computer Science（罗马萨皮恩扎大学计算机科学系）；York University, School of Information Technology (ITEC)（约克大学信息科技学院（ITEC））
本文提出了一种概率数据驱动方法，用于测量基于规则的LTLf过程规范的满足程度，通过实验证明其在过程挖掘中的有效性。
2023-12-20 cs.AI cs.LO
Synthesizing Customized Planners from Specifications
现有的人工智能规划综合方法分为两类--领域无关和领域相关。独立于领域的方法适用于各种领域，但在任何一个给定的领域中可能不是非常有效。依赖于域的方法需要为每个域单独地（重新）设计，但是在它们被设计的域中可能非常有效。这些方法的一个诱人的替代方案是自动合成域独立的规划者给定的知识域和规划理论。在本文中，我们调查的可行性，使用现有的自动化软件合成工具，以支持这种合成。具体来说，我们描述了一个架构，称为粘土中的Kestrel交互式开发系统（KIDS）是用来获得一个域定制的规划师通过一个半自动组合的声明性理论的规划，和声明性控制知识特定于一个给定的域，半自动地将它们结合起来，以获得域定制的规划师。我们讨论了这意味着什么写一个声明性的理论规划和控制知识的KIDS，并说明我们的方法生成一类特定于域的规划师使用状态空间的细化。我们的实验表明，综合规划可以优于经典的细化规划（实现UCP，Kambhampati和Srivastava，1995年的实例），使用相同的控制知识。我们将对比的成本和效益的综合方法与传统的方法定制领域独立的规划。
1998-03-01 cs.AI
Prompt2DeModel: Declarative Neuro-Symbolic Modeling with Natural Language
Michigan State University（密歇根州立大学）；Florida Institute for Human and Machine Cognition（佛罗里达人机认知研究所）
本文提出一种基于自然语言提示的对话式管道Prompt2DeModel，利用大语言模型在DomiKnowS框架中生成声明式程序，结合动态检索与解析器反馈等技术，使非ML/AI专家的领域专家能为定制神经模型形式化声明领域知识。
2024-07-30 cs.AI cs.CL cs.HC
YAC: Bridging Natural Language and Interactive Visual Exploration with Generative AI for Biomedical Data Discovery
Harvard Medical School（哈佛医学院）
本文提出YAC系统，结合自然语言输入和交互式可视化，通过生成式AI提升生物医学数据发现接口的能力，通过用户研究和系统分析改进系统设计和功能。
2026-05-19 cs.AI cs.HC
Project Prometheus: Bridging the Intent Gap in Agentic Program Repair via Reverse-Engineered Executable Specifications
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）
本文提出普罗米修斯框架，通过规范推断而非代码生成解决代理程序修复中的意图差距问题，实现了93.97%的正确补丁率和74.4%的救援率。
2026-04-19 cs.AI cs.SE
Information-gain computation
University of California, Davis（加州大学戴维斯分校）
尽管有大量的激励措施，软件的正确性仍然是一个难以捉摸的目标。声明式编程技术，其中算法是从所需行为的规范中派生出来的，提供了解决这个问题的希望，因为在编程中，在规范而不是算法方面存在复杂性的组合降低，并且可以直接在规范中表达和执行任意所需属性。然而，性能上的限制阻止了使用声明性规范的编程成为通用编程的主流技术。为了解决性能瓶颈，从规范中派生的算法，我提出了信息增益计算，一个框架，自适应评估策略是用来有效地执行搜索，派生算法，提供有关查询的信息最直接。在这个框架内，压缩搜索空间的机会，这表明，信息理论的界限，这样一个系统的性能可能会阐明和系统设计，以实现它们。在一个简单的测试程序的自适应评估的初步实证研究，评估策略适应成功地评估一个查询有效。
2017-08-14 cs.AI cs.IT cs.PL
RoBridge: A Hierarchical Architecture Bridging Cognition and Execution for General Robotic Manipulation
Sun Yat-sen University（中山大学）；MBZUAI；Peng Cheng Laboratory（鹏城实验室）；X-Era.AI Inc.（X-Era.AI公司）；Spatialtemporal AI（时空人工智能）
本文提出分层架构 RoBridge，通过 VLM 认知规划器、符号化 IOR 和强化学习具身智能体弥合认知与执行，在新任务及少样本 sim-to-real 操作中显著提升成功率。
2025-07-23 cs.AI cs.CV cs.RO
Monitoring Hybrid Process Specifications with Conflict Management: The Automata-theoretic Approach
University of Tartu（塔尔图大学）；Free University of Bozen-Bolzano（博尔扎诺-博岑自由大学）；Sapienza University of Rome（罗马大学）
到目前为止，业务流程监控方法主要集中在监控流程相对于单个流程模型的执行。然而，在某些情况下，有必要同时考虑多个过程规范。此外，这些规范可以是过程性的、声明性的或两者的组合。例如，在医学领域，描述特定疾病治疗的临床指南不能说明特定患者可能共存的所有可能的辅因子，因此可能需要考虑其他限制。在某些情况下，这些约束可能与临床指南不兼容，因此需要违反指南或约束。在本文中，我们提出了一个解决方案，用于监测的混合过程中的规范表示为（数据感知）Petri网和时序逻辑规则的组合的相互作用。在流程执行期间，如果这些规范相互冲突，则可能违反其中的一些规范。监控系统配备有违规成本模型，根据该模型，系统可以以避免可能的违规或最小化违规总成本的方式推荐下一个行动过程。
2021-11-25 cs.AI
CP-WSP: A Declarative CP-SAT Framework for Configurable Multi-Constraint Workforce Scheduling
Phi Labs, Quantiphi（Phi Labs，Quantiphi）
针对现有员工排班约束建模能力不足的问题，提出CP-WSP声明式CP-SAT框架，支持多类缺失的关键约束，可通过JSON配置实现合规排班与多目标优化，提供可复现基准套件。
2026-09-01 cs.AI math.OC
Planning with Preferences using Logic Programming
我们提出了一个声明性的语言，PP，规划问题的可能的解决方案（或轨迹）之间的偏好的高层次规范。这种新颖的语言允许用户优雅地表达非平凡的、多维的偏好和优先于这些偏好的优先级。PP的语义允许识别给定目标的最优选轨迹。我们还提供了一个答案集编程实现规划问题与PP的喜好。
2005-08-31 cs.AI
Athanor: Local Search over Abstract Constraint Specifications
University of St Andrews（圣安德鲁斯大学）；University of Dundee（邓迪大学）；University of York（约克大学）
本文提出Athanor局部搜索求解器，通过直接处理抽象约束规范语言Essence，自动生成高质量邻域，避免了在底层约束模型中识别结构的困难，在组合优化问题上展现出优异性能。
2025-01-02 cs.AI
DSDL: Data Set Description Language for Bridging Modalities and Tasks in AI Data
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
本文提出数据集描述语言（DSDL），通过统一标准简化AI数据处理，提高开发效率。
2024-05-28 cs.AI cs.PL
R2RML Mappings in OBDA Systems: Enabling Comparison among OBDA Tools
DIAG, Sapienza, University of Rome（罗马大学萨皮恩扎校区DIAG学院（DIAG, Sapienza, University of Rome））
在当今的大型企业中，必须存储和处理的数据量有显著增加的趋势。使这种情况复杂化的是，组织和管理根据单一、统一的模式结构化的大量数据的复杂性使得几乎没有一个地方可以满足信息需求。基于本体的数据访问（OBDA）范例旨在通过向系统的用户提供感兴趣的域（本体）的统一和共享的概念视图来减轻这种现象，同时仍然使得数据能够存储在由关系数据库管理的不同数据源中。在OBDA系统中，存储在源处的数据与本体之间的链接通过根据一组映射给出的声明性规范来提供。在这项工作中，我们专注于比较两个可用的OBDA系统，即Mastro和Ontop，通过采用基于W3C建议的OBDA规范。我们首先展示如何在Mastro中集成R2RML映射支持，这是最后一个缺失的功能，以便使系统能够使用仅基于与OBDA相关的W3C建议的规范。然后，我们继续在两个OBDA规范，NPD基准和ACI规范执行这些系统之间的比较。
2018-04-04 cs.AI cs.DB
ROSS User's Guide and Reference Manual (Version 1.0)
ROSS方法是知识表示领域中的一种新方法，对于许多人工智能和自然语言理解表示和推理任务是有用的。(ROSS代表“表示”、“本体”、“结构”、“星”语言）。ROSS是一种基于物理符号的表示方案。ROSS为物理结构的声明性表示以及过程和因果关系的表示提供了一个复杂的模型。从形而上学的角度来看，外部现实的ROSS视图涉及4D模型，其中离散的单时间点单位大小的位置与状态是所有可以建模的对象，过程和方面的基础。ROSS包括一种名为“Star”的语言，用于规范本体类。ROSS方法还包括一个称为“实例模型”的正式方案。实例模型用于自然语言语义表示领域，用来表示情景。本文档是ROSS方法的深入规范。
2014-11-15 cs.AI cs.CL
Direct Encoding of Declare Constraints in ASP
IRIT ANITI University of Toulouse（图卢兹大学IRIT ANITI研究所）；Università della Calabria（卡拉布里亚大学）
本文提出将 Declare 约束语义直接编码为 ASP 规则的新方法，无需 LTLf 公式或自动机等中间表示，并在两个流程挖掘任务中验证其有效性。
2024-12-13 cs.AI cs.LO
