abductive reasoning neurosymbolic AI formal logic risk-sensitive decision making
摘要

标准溯因推理方法通常保留多个候选解释,但缺乏显式的跨假设组合交互及内部竞争性承诺判断。本文指出,在风险敏感领域,过早承诺具有不对称的负面成本,因此承诺时机本身应作为受控决策进行形式化表示。我们提出了一个基于两个原语(假设间的认识论交互κ和规范承诺阈值τ)的最小κ-τ逻辑框架。该框架允许假设共存、强化或抑制,形成涌现性复合解释,并通过治理约束而非单纯推理来控制向结论的坍缩。该逻辑旨在为高风险场景提供透明、可审计的神经符号架构中的符号治理层。

AI 推荐理由

论文提出用于溯因推理的逻辑框架,直接针对推理机制中的假设交互与承诺决策。

研究机构
STAKE Lab, University of Molise, 86100 Campobasso, Italy
论文信息
作者 Remo Pareschi
发布日期 2026-08-08
arXiv ID 2608.08192
相关性评分 9/10 (高度相关)