自动推理

研究人员提出SEER框架，通过机器学习构建预测器，动态决定是否在约束求解中运行计算成本较高的能量推理传播器，以平衡求解效率与计算开销。

研究团队推出EZSMTV3，这是一个基于可满足性模理论（SMT）的约束答案集编程（CASP）框架，通过集成先进SMT求解器提升了复杂组合问题的求解能力。

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。