PDL: A Declarative Prompt Programming Language
IBM Research（IBM研究院）；UC Davis（加利福尼亚大学戴维斯分校）
针对现有提示框架难学或削弱开发者提示控制权的问题，本文提出基于 YAML 的声明式语言 PDL，以简化多平台 LLM、工具调用及 RAG、智能体等应用的提示编程。
2024-10-24 cs.AI cs.PL
Operationalizing Declarative and Procedural Knowledge: a Benchmark on Logic Programming Petri Nets (LPPNs)
Informatics Institute, University of Amsterdam（阿姆斯特丹大学信息学研究所）
对复杂系统进行建模、指定和推理需要以集成的方式处理目标域的声明性和过程性方面。本文报告的逻辑编程Petri网（LPPNs），一个符号扩展Petri网与逻辑编程结构的命题版本进行的实验。提出了两种语义：通过事件演算将符号完全映射到ASP的指称语义;以及通过Petri网分别处理因果机制和通过应答集编程（ASP）处理与对象和事件相关联的约束的混合操作语义。这两个替代规范使得能够在计算效率方面进行经验评估。实验结果表明，混合语义比传统语义更有效。序列，而这两个语义遵循相同的行为w.r.t.分支（尽管在绝对值方面，外延分支表现得更好）。
2020-07-31 cs.AI
Logical Robots: Declarative Multi-Agent Programming in Logica
Google LLC（谷歌公司）；University of Illinois（伊利诺伊大学）；Gonzaga University（贡扎加大学）
Logical Robots通过逻辑编程语言Logica实现多智能体仿真平台，将观察映射到动作输出，实现低层反应控制与高层规划的结合。
2026-04-08 cs.AI cs.MA cs.RO
Declarative Synthesis and Multi-Objective Optimization of Stripboard Circuit Layouts Using Answer Set Programming
Computer Science Department（计算机科学系）；Oklahoma Christian University（俄克拉荷马基督教大学）
本文利用答案集编程实现印制板电路布局的声明性合成与多目标优化，生成紧凑可制造的布局，推动电子原型制作与教育。
2025-12-04 cs.AI cs.AR
Semiring Programming: A Declarative Framework for Generalized Sum Product Problems
University of Edinburgh（爱丁堡大学）；Alan Turing Institute（艾伦·图灵研究所）；KU Leuven（鲁汶大学）
为了解决难题，人工智能依赖于各种学科，如逻辑，概率推理，机器学习和数学编程。虽然人们普遍认为，解决现实世界的问题需要这些之间的集成，当代的表示方法提供了很少的支持。为了缓解这种情况，我们引入了一个新的声明式编程框架，提供了众所周知的问题，如SAT，贝叶斯推理，生成模型和凸优化的抽象。程序的语义是根据带有半环标签的一阶结构定义的，这使我们能够自由地组合和集成来自不同AI学科的问题。
2020-01-13 cs.AI cs.LG cs.LO
Specifying and Exploiting Non-Monotonic Domain-Specific Declarative Heuristics in Answer Set Programming
Siemens AG Österreich（奥地利西门子股份公司）；Alpen-Adria-Universität Klagenfurt（克拉根福阿尔卑斯-亚德里亚大学）；TU Wien（维也纳工业大学）
特定领域算法是有效解决组合问题的一种基本技术。目前的方法来集成特定领域的算法与答案集编程（ASP）是不令人满意的，当处理指定的非单调的部分分配的基础上的算法。在实践中，例如，当挑选尚未放入装箱箱的物品时，经常会发生这种物流。因此，我们提出了新的语法和语义的声明性规范的领域特定的语法在ASP。我们的方法支持启发式语句，依赖于在解决过程中保持的部分分配，这是不可能的。我们提供了一个实现在ALPHA，使ALPHA的第一个懒惰接地ASP系统，以支持声明指定的特定于域的语法。两个实际的例子域被用来证明我们的建议的好处。此外，我们使用我们的方法来实现知情的搜索与A*，这是第一次在ASP。A* 适用于两个进一步的搜索问题。实验证实，结合懒惰接地ASP解决方案和我们的新算法可以解决工业规模的问题是至关重要的。
2022-09-19 cs.AI
Declarative Probabilistic Logic Programming in Discrete-Continuous Domains
Centre for Applied Autonomous Sensor Systems, Örebro University（厄勒布鲁大学应用自主传感器中心）；Department of Computer Science, KU Leuven（鲁汶大学计算机科学系）
针对混合离散-连续随机变量缺乏声明式PLP语义的问题，提出测度语义、DC-ProbLog语言及IALW推理引擎，从语义、语言和推理三方面推广PLP。
2024-09-08 cs.AI
Using Methods of Declarative Logic Programming for Intelligent Information Agents
在网络上搜索信息面临着几个问题，这些问题一方面来自于大量的可用资源，另一方面来自于它们的异质性。一个有前途的方法是使用多代理系统的信息代理，合作解决先进的信息检索问题。这就需要具备处理复杂任务的能力，例如搜索和评估源、查询规划、信息合并和融合、处理不完整信息以及处理不一致性。在本文中，我们感兴趣的是在声明性逻辑编程领域的一些方法可以发挥的作用，在实现推理能力的信息代理。特别是，我们感兴趣的是如何使用它们，并进一步开发，以满足该应用领域的特定需求。我们回顾了一些现有的系统和当前的项目，解决信息集成的问题。然后，我们专注于声明性的知识表示方法，并审查和评估方法从逻辑编程和非单调推理的信息代理。我们讨论的优点和缺点，并指出可能的扩展和开放的问题。
2001-08-14 cs.AI cs.MA
D-FLAT: Declarative Problem Solving Using Tree Decompositions and Answer-Set Programming
Institute of Information Systems（信息系统研究所）；Vienna University of Technology（维也纳工业大学）
在这项工作中，我们提出了一个工具，快速原型的动态规划算法的基础上树分解的集合编程（ASP）。事实上，已经设计了许多这样的算法，但只有少数几个找到了实现的方法。主要的障碍是缺乏易于使用的系统，（i）照顾建立一个树分解和（ii）提供一个接口的声明规范的动态规划算法。在本文中，我们提出了D-FLAT，一种新的工具，减轻了用户必须处理所有的技术细节与解析，树分解，处理的数据结构等，而不是，它只是动态规划算法本身必须指定在ASP语言。D-FLAT采用ASP求解器来计算动态规划算法中的局部解。文中列举了几个实例说明D-FLAT的使用，并介绍了该系统的主要特点。此外，我们报告的实验表明，基于ASP的D-FLAT编码的一些问题优于单片ASP编码的实例上的小树宽。
2012-10-06 cs.AI cs.LO
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。
2000-03-08 cs.AI cs.LO
General-purpose Declarative Inductive Programming with Domain-Specific Background Knowledge for Data Wrangling Automation
Universitat Politècnica de València（瓦伦西亚理工大学）；University of Miyazaki（宫崎大学）
只要给出一两个例子，人类就能很好地理解如何独立于问题的领域来解决问题，因为他们能够发现问题是什么，并根据上下文选择合适的背景知识。例如，当字符串“8/17/2017”被转换为“17 th of August of 2017”时，人类将分两步处理：（1）他们识别出这是一个日期，（2）他们将日期映射到2017年8月17日。归纳编程（IP）旨在从示例中学习声明性（函数或逻辑）程序。IP的两个关键优势是背景知识的使用和从几个输入/输出示例中综合程序的能力（就像人类一样）。在本文中，我们建议使用IP作为自动化重复的数据操作任务的一种手段，经常出现在许多数据操作问题的{ \em数据争吵}的过程中。在这里，我们表明，使用通用的声明性（编程）语言与通用的IP系统和特定领域的知识的定义，从不同的应用领域的许多特定的数据争吵的问题，可以自动解决从很少的例子。我们还提出了一个数据争论的综合基准，我们向社区公开分享。
2018-09-26 cs.AI cs.DB
Declarative Learning-Based Programming as an Interface to AI Systems
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）；Tulane University（杜兰大学）；University of Pennsylvania（宾夕法尼亚大学）；TU Darmstadt（达姆施塔特工业大学）
数据驱动的方法作为解决问题的技术在许多研究和工业领域变得越来越普遍。在大多数情况下，机器学习模型是这些解决方案的关键组成部分，但一个解决方案涉及多个这样的模型，以及对模型输出和输入的大量推理。目前的技术并不能使这些技术容易地用于不精通机器学习的应用专家，也不容易用于旨在在整个AI系统的背景下测试真实世界数据的想法和模型的机器学习专家。我们回顾了各种AI社区为设计复杂AI系统所需的学习和推理技术提供高级抽象语言所做的主要努力。我们对现有的框架进行分类的基础上的类型的技术和数据和知识表示，他们使用，提供了一个比较研究的方式，他们解决编程现实世界的应用程序的挑战，并强调一些缺点和未来的发展方向。
2019-06-18 cs.AI
Declarative Reasoning on Explanations Using Constraint Logic Programming
University of Pisa（比萨大学）；Scuola Normale Superiore（比萨高等师范学院）
针对现有XAI方法背景知识融入不足和缺乏交互性的问题，提出基于约束逻辑编程的REASONX方法，为决策树提供声明式交互解释，支持用户通过线性约束和MILP优化表达知识，并利用Prolog元程序实现核心执行。
2023-09-01 cs.AI cs.CY cs.LG
Declarative Question Answering over Knowledge Bases containing Natural Language Text with Answer Set Programming
Allen Institute for Artificial Intelligence（艾伦人工智能研究所）；Arizona State University（亚利桑那州立大学）
虽然近年来基于机器学习（ML）的方法已经成为开发端到端问答系统的流行方法，但是当需要额外的知识来正确回答问题时，这样的系统经常会遇到困难。所提出的替代方案涉及将问题和自然语言文本翻译成逻辑表示，然后使用逻辑推理。然而，当文本的大小变得更大时，这种替代方法就不起作用了。为了解决这个问题，我们提出了一种方法，在自然语言文本中编写的前提进行逻辑推理。所提出的方法使用答案集编程（ASP）的最新功能来调用执行简单文本蕴涵的外部NLP模块（可能基于ML）。为了测试我们的方法，我们开发了一个语料库的生存周期问题的基础上，并表明，我们的系统实现了$18\%$性能增益相比，标准MCQ求解器。
2019-05-01 cs.AI cs.CL
Spatial Symmetry Driven Pruning Strategies for Efficient Declarative Spatial Reasoning
University of Münster（明斯特大学）；The DesignSpace Group（DesignSpace集团）；University of Bremen（不来梅大学）
声明性空间推理表示能够（声明性地）指定和解决与标准知识表示和基于推理（KR）的方法（例如，逻辑编程和衍生物）。在声明式编程框架内编码空间关系语义的一种方法是多项式约束系统。然而，求解这样的约束在一般情况下是计算上难以处理的（即实闭域理论）。我们提出了一种新的算法，实现声明式空间推理系统CLP（QS），大大提高了性能，决定传统的多项式编码的空间约束图的一致性。我们开发修剪策略建立在空间对称性，形成等价类（基于仿射变换）在定性空间水平。此外，修剪策略本身被形式化为关于空间和空间对称性的知识。我们评估我们的算法使用一系列的基准类的接触问题，并证明在部分学和几何。实证结果表明，CLP（QS）与知识为基础的空间修剪优于传统的多项式编码的数量级，因此可以应用于在实践中，否则无法解决的问题。
2015-06-16 cs.AI cs.LO cs.PL
A prototype of a knowledge-based programming environment
K.U. Leuven（鲁汶大学）
在本文中，我们提出了一个基于知识的编程环境的建议。在这样的环境中，声明性的背景知识、过程和具体数据以合适的语言表示并且以灵活的方式组合。这导致了高度声明性的编程风格。我们说明了我们的方法的一个例子和报告我们的原型实现。
2011-08-29 cs.AI cs.LO
A Declarative Goal-oriented Framework for Smart Environments with LPaaS
University of Pisa（比萨大学）
本文提出一个基于LPaaS的声明式目标导向框架，用于表示智能环境、用户目标及可定制调解策略，以协调多物联网系统中的冲突目标，并展示开源Prolog原型。
2021-06-18 cs.AI cs.LO cs.SY
Propositional satisfiability in declarative programming
ASP范式是一种使用逻辑来解决搜索问题的方法。给定一个搜索问题，为了解决它，人们在逻辑中设计了一个理论，以便这个理论的模型代表问题的解决方案。要计算一个问题的解，需要计算相应理论的模型。在逻辑程序设计的基础上，利用稳定模型的语义，发展了几种答案集程序设计形式。在本文中，我们表明，谓词演算的逻辑也产生了有效的实现的ASP范式，类似的精神，逻辑编程与稳定的模型语义和类似的适用范围。具体来说，我们提出了两个逻辑的基础上谓词演算编码搜索问题的形式主义。我们表明，这些逻辑的表达能力是由类NP-搜索。我们演示了如何使用它们在编程和开发计算工具的模型发现。在逻辑的情况下，我们的技术减少问题的命题可满足性，并允许使用现成的可满足性求解器。另一种逻辑的语言具有更复杂的语法，并提供了明确的方法来建模一些高级约束。对于这种逻辑中的理论，我们设计了自己的求解器，它利用了扩展的语法。我们目前的实验结果表明计算的整体方法的有效性。
2002-11-25 cs.AI cs.LO
Proceedings 35th International Conference on Logic Programming (Technical Communications)
自1982年在马赛举行第一次会议以来，ICLP一直是展示逻辑编程研究的首要国际活动。在逻辑编程的所有领域寻求贡献，包括但不限于：基础：语义学，形式主义，非单调推理，知识表示。语言：并发，对象，协调，移动性，高阶，类型，模式，断言，模块，元编程，基于逻辑的领域特定语言，编程技术。声明式编程：声明式程序开发，分析，类型和模式推理，部分求值，抽象解释，转换，验证，验证，编译，分析，测试，执行可视化实现：虚拟机，编译，存储管理，并行/分布式执行，约束处理规则，制表，外部接口，用户界面。相关范例和协同作用：归纳和协同归纳逻辑程序设计、约束逻辑程序设计、答案集程序设计、与SAT、SMT和CSP求解器的交互、类型推断和定理证明的逻辑程序设计技术、论证、概率逻辑程序设计、与面向对象和函数式程序设计的关系。应用领域：数据库、大数据、数据集成和联合、软件工程、自然语言处理、Web和语义网、代理、人工智能、计算生命科学、教育、网络安全和机器人技术。
2019-09-17 cs.AI cs.LO cs.PL
Inductive Learning of Declarative Domain-Specific Heuristics for ASP
Siemens AG Österreich（西门子奥地利公司）
本文提出利用归纳逻辑编程从最优答案集示例中自动学习ASP领域特定声明式启发式，实验证明该方法能提升大规模难题的求解性能与解质量。
2023-08-30 cs.AI
Context: Proactive Goal-Directed Intelligence via Composable Sandboxed Programs, Declarative Wiring, and Structured Interaction
Qbix, Inc.\ \& Intercoin, Inc. New York USA；Qbix, Inc.\ \& Intercoin, Inc.；IE University NYC
提出Context架构，通过可组合沙盒程序、声明式连接和结构化交互实现主动目标导向智能，并证明其在成本、正确性和效率上的优势。
2026-04-21 cs.AI cs.CL cs.DC
The third open Answer Set Programming competition
Università della Calabria（卡拉布里亚大学）
回答集编程（ASP）是声明性编程的一个良好建立的范例，与其他声明性形式主义（诸如SAT模理论、约束处理规则、FO（.）PDDL和许多其他人。自从第一个非正式版本以来，ASP系统已经在现在已经建立的ASP竞赛中进行了比较。第三届（公开）ASP竞赛，作为在德国波茨坦大学（2006-2007年）和比利时鲁汶大学（2009年）举行的ASP竞赛系列的续集，于2011年上半年在卡拉布里亚大学（意大利）举行。参与者在预先选择的基准问题集合上进行竞争，这些问题来自各个领域以及现实世界的应用。竞赛分为两个部分：模型和求解（M&S）部分，基于开放的问题编码和开放的语言，对任何基于声明式规范范式的系统开放;系统部分，基于固定的公共问题编码，用标准ASP语言编写。本文讨论了比赛的形式和背后的理由，然后报告了两个轨道的结果。与第二次ASP竞争和国家的最先进的解决方案的一些基准域的比较，最终进行了讨论。逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2012-06-14 cs.AI
A Declarative Language for Building And Orchestrating LLM-Powered Agent Workflows
PayPal
本文提出一种声明式语言，用于构建和协调基于大语言模型的智能体工作流，通过统一DSL减少开发时间和部署速度，提升非工程师的使用效率。
2025-12-22 cs.AI cs.PL cs.SE
Learning Context-Free Grammars for Grammar-Constrained Decoding via Declarative Agentic Programming with Guarantees
Amazon Web Services（亚马逊云科技）；Purdue University（普渡大学）
本研究提出名为Autogrammar的声明式智能体，可从文档和执行数据自动学习上下文无关文法，用于语法约束解码，在三种DSLs上的实验显示其生成的文法性能优于现有基线，能显著提升端到端LM的真实任务表现。
2026-08-07 cs.AI cs.CL cs.PL
Logic Programming for Describing and Solving Planning Problems
一个逻辑编程范式，表示解决问题的稳定模型，最近已被提升为一个声明性的方法来解决各种组合和搜索问题，包括规划问题。在这种范式中，所有的程序规则被认为是约束和解决方案是稳定的模型的规则集。这与逻辑编程的标准范式有着相当大的不同。在本文中，我们重新溯因逻辑编程，并认为它允许一种编程风格，这是声明性的编程基于稳定的模型。然而，在溯因逻辑编程中，有两种规则。一方面是谓词定义（可能依赖于可溯物），它只不过是标准的逻辑程序（当包含否定时，具有非单调语义）;另一方面是约束可溯物模型的规则。在这个意义上，溯因逻辑编程是逻辑编程标准范式的平滑扩展，而不是彻底的背离。
2000-03-08 cs.AI cs.LO
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
Declarative Problem Solving in UAM Strategic Deconfliction
Polytechnic University of Bari（巴里理工大学）；University of Bari Aldo Moro（巴里阿尔多·莫罗大学）
针对城市空中交通战略冲突解决难题，提出基于回答集编程的方法，聚焦时间同步与路线优化，通过与约束编程对比测试，发现ASP在中小规模案例中执行快、扩展性好，CP内存稳定但随复杂度降低。
2026-07-24 cs.AI cs.LO
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
A Step from Probabilistic Programming to Cognitive Architectures
ITMO University（ITMO大学）；St. Petersburg State University（圣彼得堡国立大学）
概率编程被认为是一个框架，在这个框架中，认知体系结构的基本组成部分可以以统一和优雅的方式表示。同时指出了采用认知体系结构的某些组成部分来扩展概率程序设计语言能力的必要性。特别是，隐式规范的生成模型，通过声明的概念和它们之间的联系，并简要讨论了有用的声明性知识，实现高效的推理。
2016-05-04 cs.AI
LPOP: Challenges and Advances in Logic and Practice of Programming
Stony Brook University（石溪大学）
本文介绍了2018年7月18日在英国牛津举行的第一届逻辑与编程实践（LPOP）研讨会上提出的工作，该研讨会与2018年联邦逻辑会议（FLoC）一起举行。它的重点是挑战和进步的逻辑和编程实践。研讨会围绕一个挑战性问题组织，该问题指定了基于角色的访问控制（RBAC）中的问题，许多与会者提出了以他们选择的语言表达的命令式和声明式解决方案。
2020-08-15 cs.AI cs.LO cs.PL
Extending Answer Set Programming with Rational Numbers
University of Calabria（卡拉布里亚大学）
针对 ASP 无法原生处理非整数算术且浮点算术损害可复现性与声明语义的问题，本文提出将非整数近似为有理数，为扩展的 ASP-Core-2 定义语义并实现。
2023-12-07 cs.AI cs.LO cs.PL
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
Answer Set Planning Under Action Costs
TU Wien（维也纳工业大学）；University of Calabria（卡拉布里亚大学）
最近，规划的基础上回答集编程已被提出作为一种实现声明式规划系统的方法。在本文中，我们提出了语言Kc，它扩展了声明式规划语言K的行动成本。Kc提供了容许和最优计划的概念，这些计划的总行动成本在给定的限制内。所有计划中的最小值（即，最便宜的计划）。正如我们所展示的，这种新颖的语言允许以声明的方式表达一些重要的规划任务。此外，它可以用于表示规划问题下的其他最优性标准，如计算“最短”的计划（步骤数最少），和细化组合的最便宜和最快的计划。我们研究的语言KC的复杂性方面，并提供了一个转换到逻辑程序，这样的规划问题，通过答案集编程解决。此外，我们报告选定的问题的实验结果。我们的经验是令人鼓舞的，答案集规划可能是一个有价值的方法，表达规划系统中，复杂的规划问题可以自然地指定和解决。
2011-06-26 cs.AI
Problem solving in ID-logic with aggregates: some experiments
在K.U.Leuven的LP+项目的目标是设计一个表达逻辑，适合于声明性知识表示，并开发基于逻辑编程技术的智能系统，用于使用声明性规范解决计算问题。ID逻辑是类型化经典逻辑和定义逻辑的结合。不同的溯因解算器正在开发这种语言。本文是一份报告的集成高阶聚合到ID逻辑和后果的求解器SLDNFA。
2000-03-08 cs.AI
Relational Linear Programs
TU Dortmund University（多特蒙德工业大学）；University of Bonn（波恩大学）
我们提出了关系线性规划，一个简单的框架结合线性程序（LP）和逻辑程序。关系线性规划（relational linear program，RLP）是一个声明性的LP模板，通过对象、关系和量化变量的逻辑概念定义目标和约束。这使得人们可以表达LP目标和约束关系的不同数量的个人和他们之间的关系，而不列举他们。连同逻辑知识库，有效地由逻辑事实和规则组成的逻辑程序，它归纳出一个基础LP。使用提升线性规划来求解该基础LP。也就是说，如果可能的话，采用地面LP内的对称性来降低其维数，并且使用任何现成的LP求解器来求解简化的程序。与主流LP模板语言（如AMPL）相比，它具有声明式和命令式编程风格的混合，RLP的关系性质允许在关系域上更直观地表示优化问题。我们说明了这一经验的实验近似推理在马尔可夫逻辑网络使用LP松弛，解决马尔可夫决策过程中，集体推理使用LP支持向量机。
2014-10-12 cs.AI cs.LO cs.PL
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
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
Logic Programming Approaches for Representing and Solving Constraint Satisfaction Problems: A Comparison
许多基于逻辑编程的方法可以用来描述和解决组合搜索问题。一方面，存在约束逻辑编程，其计算解作为对包含约束满足问题的变量的查询的答案替换。另一方面，也有基于稳定模型语义的系统，溯因系统和一阶逻辑模型生成器，它们将解计算为某些理论的模型。本文从知识表示（程序的声明性如何）和性能（它们在解决典型问题时的表现如何）的角度比较了这些不同的方法。
2000-11-21 cs.AI
Soft Constraint Logic Programming for Electric Vehicle Travel Optimization
Università di Pisa（比萨大学）；Volkswagen AG（大众汽车集团）
软约束逻辑编程是一种自然而灵活的声明式编程形式主义，它允许建模和解决涉及不同类型约束的实际问题。在本文中，在提供了一个稍微更一般和优雅的框架介绍后，我们展示了如何将其应用于协调电动汽车的电动交通问题，以克服能量和时间的限制，从而降低其运行成本。特别是，我们专注于行程优化子问题，考虑从用户的预约到另一个的行程序列。解决方案在时间和能耗方面提供最佳替代方案，包括路线顺序和可能的充电事件。
2012-12-10 cs.AI
A Constraint Logic Programming Approach for Computing Ordinal Conditional Functions
FernUniversität in Hagen（哈根远程大学）；TU Dortmund（多特蒙德工业大学）
为了给“如果A则通常为B”形式的定性条件赋予适当的语义，可以使用根据可能世界的似然程度对可能世界进行排名的有序条件函数（OCF）。接受知识库R的所有条件的OCF可以表征为约束满足问题的解。我们提出了一个高层次的，声明性的方法，使用约束逻辑编程技术来解决这个约束满足问题。特别是，这里开发的方法支持所有最小解的生成;这些最小解是特别感兴趣的，因为它们为基于模型的推理提供了基础。
2011-08-30 cs.AI
Technical Report: Giving Hints for Logic Programming Examples without Revealing Solutions
Marmara University（马尔马拉大学）
我们介绍了一个框架，支持学习程序的范式回答集编程（ASP），这是一个声明式逻辑编程形式主义。基于让学生完成小实例ASP程序的教学思想，介绍了一种在不透露实例正确解的情况下，对学生进行提示的三阶段教学法。我们将错误分类为（i）语法错误，（ii）意外但语法正确的输入，（iii）语义错误，描述这些错误的数学定义，并展示如何从这些定义计算提示。
2016-07-26 cs.AI
Towards a Declarative Agentic Layer for Intelligent Agents in MCP-Based Server Ecosystems
本文提出了一种声明性代理层，旨在解决基于MCP服务器生态系统中代理工作流的可靠性问题，通过明确的架构结构提升任务执行的可验证性和可重复性。
2026-01-24 cs.AI cs.SE
ToolGuardian: Declarative Security for AI Agent-Tool Interactions
研究人工智能代理与工具交互安全问题，提出ToolGuardian框架，通过预准入审查和任务感知运行时授权保障安全，利用渐进式特征化和基于ASP的声明式策略层，实验表明该框架在审查和授权方面性能良好。
2026-07-27 cs.AI cs.CR
From Imperative to Declarative: Towards LLM-friendly OS Interfaces for Boosted Computer-Use Agents
Key Laboratory of System Software (Chinese Academy of Sciences)（中国科学院系统软件重点实验室）；Institute of Software Chinese Academy of Sciences（中国科学院软件研究所）；Shanghai Jiao Tong University（上海交通大学）；University of Chinese Academy of Sciences（中国科学院大学）
本文提出Declarative Model Interface (DMI)，通过将传统GUI转化为三种声明式原语，提升LLM驱动的计算机使用代理的任务成功率和效率。
2026-03-25 cs.AI cs.LG cs.OS
An interactive fuzzy goal programming algorithm to solve decentralized bi-level multiobjective fractional programming problem
Yildiz Technical University（耶尔德兹理工大学）
提出了一种基于泰勒级数的模糊目标规划方法来求解分散双层多目标分式规划（DBLMOFP）问题。在该方法中，所有的隶属函数都与每个目标的模糊目标在两个层次上，也分数的隶属函数转换为线性函数使用泰勒级数的方法。然后提出一种模糊目标规划，使两层决策者都能得到最满意的解，从而达到每个隶属度目标的最高程度。最后，数值例子来说明所提出的方法的有效性。
2016-06-02 cs.AI math.OC
