圖書信息
內容簡介
對 arXiv cs.LO 分類的年度綜述，涵蓋 2025 年 9 月 至 2026 年 8 月 期間發表的研究。本卷基於對 108 篇論文 的細讀整理，組織為 40 章，按該領域的研究子方向描繪這一年的全貌。
全書框架（年度產出佔比）：
- 基於圖的知識表示與神經符號學習 (87.2%) — 本聚類聚焦將邏輯推理與圖結構知識及面向智能體與應用的神經符號方法整合。
- 證明助手中的交互式與自動定理證明 (5.5%) — 本聚類聚焦為形式數學發展並優化證明演算、自動證明器與 Lean、Isabelle 等證明助手。
- 時序與行為性質的形式驗證 (1.8%) — 本聚類處理利用形式語義與模型檢測，驗證複雜程序與系統的時序、行為與安全性質。
- 邏輯推理與形式化的大語言模型 (1.7%) — 本聚類研究利用大語言模型輔助自然語言推理、形式證明生成與結構化邏輯任務。
- SAT 與約束求解技術與應用 (1.4%) — 本聚類聚焦推進可滿足性與約束求解方法，包括面向實際問題的編碼、並行求解與符號推理。
- 依賴類型論與範疇語義 (1.4%) — 本聚類探索依賴類型論的理論基礎與語義模型，包括範疇與不可謂詞方法。
- 不動點與無限狀態系統驗證 (0.5%) — 本聚類處理不動點理論、模態 Mu 演算，以及無限狀態與實時系統的驗證技術。
- 邏輯教育與計算基礎設施 (0.3%) — 本聚類處理在計算機科學中教授與實踐邏輯的計算工具、庫與教育資源開發。
- 統計模型檢測與拓撲邏輯 (0.2%) — 本聚類聚焦面向路徑可達性與智能體模型的統計模型檢測技術與拓撲邏輯。
每個子方向均通過三章展開論述——它如何提出自己的問題、其關鍵結論的強度，以及它開放的爭論與前沿，從而讓讀者獲得該領域今年實際產出的可溯源圖景。
