English(EN) On Synthesis of Metric Interval Temporal Logics

新框架实现对富有表现力的时序逻辑的精确被动学习

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-02 04:00

研究人员开发了一个新颖的框架，用于精确地被动学习度量区间时序逻辑（MITL），这是一种对验证实时系统至关重要的富有表现力的时序逻辑。该方法通过将时序学习问题简化为可扩展的非时序问题，解决了在没有预定义模板或受限逻辑片段的情况下学习MITL的挑战。该方法识别正负迹之间的定量时间差异，以合成精确的时序约束，然后将这些约束作为新的布尔原子命题集成。该技术允许将复杂的公式评估委托给优化的、现成的非时序LTL工具，并且该框架已被证明是完整的，保证了总能找到一个分离规范。 AI

影响这项研究通过实现更精确的自动化规范挖掘，有望推动实时系统的验证。

排序理由该条目是发表在arXiv上的研究论文，详细介绍了一种用于特定类型逻辑的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 32 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是发表在arXiv上的研究论文，详细介绍了一种用于特定类型逻辑的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Hsi-Ming Ho, Shankaranarayanan Krishna, Khushraj Madnani · 2026-09-02 04:00

关于度量区间时序逻辑的合成

arXiv:2609.01032v1 Announce Type: cross Abstract: Automated mining of formal specifications is vital for verifying real-time systems. However, existing passive learning approaches remain restricted to deterministic specifications or limited fragments of Timed Regular Expressions …

本文如何被排名

报道来源 [1]

关于度量区间时序逻辑的合成

相关实体

相关话题