事件图推理新突破：12步依赖链+前瞻16，无关操作从32降到0！
From Events to Reasoning: Hierarchical Rule Composition over Explicit States
📖 AI 总结
该论文提出事件推理系统（ERS），将推理状态表示为显式事件图，通过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可执行项，使违反时段、单位或证据约束的候选无法进入被接受的推理路径。系统以低层规则提供可复用的局部变换，以可递归组合的高层控制规则组织子目标与合法路径，从而用有限规则库动态生成未曾存储的完整解路径。作者形式化了可容许转换、任务相关控制、组合表达力、依赖保持的修订，以及可达解与预算控制器实际找到的解之间的差距。实验显示，ERS可构建长达十二步的依赖链，随前瞻增至16将无关领域操作从32降至0，在24个负例中未产生无支撑输出；规则冻结下通过12/12聚焦检查（含9个涉及未见输入/路径组合的接受推导和3个有理由拒绝）及6/6事实变更案例；在14个联合求解任务上，动态子目标配置比单层全局控制减少51.6%推理实际耗时。
🔑 关键词速览
| Event Reasoning System (ERS) | 一种推理系统，其推理状态表示为显式事件图，支持基于规则的组合推理。 |
| explicit event graph | 一种图结构，其中节点表示事件，边表示事件之间的依赖关系，用于显式表示推理状态。 |
| rule composition | 将低级规则组合成高级控制规则的过程，以组织子目标和合法路径。 |
| dependency-preserving revision | 在前提改变时修订推理路径，同时保持中间结果的依赖关系不变。 |
| budgeted controller | 在给定资源预算（如时间或计算限制）下寻找解的控制器。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅