研究人员探讨了命题归纳的复杂性，这是一种用于为给定现象寻找解释的非单调推理形式。该论文研究了关于解空间的问题，例如识别多样化的解或确定给定的解释集是否能代表任何其他解释。该研究从经典复杂性角度提供了完整的分类，显示只有少数情况是可处理的，尽管与标准归纳相比复杂性的增加低于预期。此外，研究深入探讨了参数化复杂性，发现了新的可处理和困难情况，并强调了与编码理论中的覆盖半径问题之间的联系，这是编码理论与非单调推理之间先前未建立的联系。 AI
影响 这项研究有助于对非单调推理的理论理解，这可能为需要解释生成或逻辑推理的未来AI系统提供信息。
排序理由 关于理论计算机科学主题的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
