arXiv cs.AI· Cheng Lyu, Xueqi Wang·· 11 小时前AI 评分31
从事件到推理：基于显式状态的分层规则组合
From Events to Reasoning: Hierarchical Rule Composition over Explicit States
AI 导读
研究者提出事件推理系统（ERS），将推理状态表示为显式事件图，由语义特征提名候选对象与规则绑定，再由声明的规则和任务条件决定哪些可执行。在结构化事件图上，ERS 可构建最长十二步的依赖链，随着前瞻增至 16，将无关的已执行领域操作从 32 次降至 0，并在 24 个负例中未产生无支撑的目标输出。在十四个联合求解的开发任务上，其记录的动态子目标配置比单层全局控制少用 51.6% 的推理实际耗时。
正文 · AI 翻译
摘要：推理系统输出的是结论；它应当给出的是论证。要给出论证，就要求每个操作都基于实际可用的事实是允许的，中间结果的依赖关系能保留到路径终点，并且当前提改变时路径能被修正。我们提出事件推理系统（ERS），其中推理状态是一个显式事件图。语义特征提名候选对象和规则绑定，已声明的规则与任务条件决定哪些可以执行，因此违反所表示的时间段、单位或证据约束的候选对象无法进入被接受的推理路径。低层规则提供可复用的局部变换，可递归组合的高层控制规则在当前目标、信息缺口和预算下组织子目标与合法路径；由此，一个有限的规则库被重新组合成从未作为完整解存储过的路径。我们形式化了可允许的转移、依赖任务的控制、组合表达能力、保持依赖关系的修正，以及可达解与预算受限控制器所找到的解之间的差距。在结构化事件图上，ERS 构建了最长十二步的依赖链，随着前瞻增长到 16，将无关的已执行领域操作从 32 减少到 0，并在 24 个负例中不产生任何无支持的目标输出；在规则冻结的情况下，它通过了 12/12 项聚焦检查，其中包括九项涉及未见输入/路径组合的被接受推导和三项有正当理由的拒绝，以及 6/6 个事实变更案例。在十四个联合求解的开发任务上，在各自冻结的设置下，所记录的动态子目标配置比单层全局控制少用 51.6% 的推理实际耗时。
| 评论： | 19 页，6 幅图 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.22403 [cs.AI] |
| （或此版本的 arXiv:2610.22403v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.22403 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Cheng Lyu [查看电子邮件]
[v1]
2026 年 10 月 14 日星期三 12:47:40 UTC（4,219 KB）
来源：arXiv cs.AI · arxiv.org