知识表示

研究者提出理论级自动形式化新方向，强调需构建包含公理、定义和引理的完整理论网络，而非仅翻译孤立语句。

研究者基于AGM信念修正框架，首次提出一种能够容纳矛盾解释假设而不导致逻辑崩溃的体化扩张操作，为人工智能中的非单调推理提供了新的形式化工具。

研究团队提出一种插件架构，可在现有标准推理器基础上实现DL-Lite家族在理性闭包下的高效推理与联合查询应答，显著降低计算开销。