Datalog
PulseAugur coverage of Datalog — every cluster mentioning Datalog across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
基于 Datalog 的新系统为 Agentic AI 安全执行正式策略
研究人员开发了一种新颖的方法，通过在运行时执行正式策略来增强 Agentic 计算系统的安全性。该方法允许用户使用 Datalog 定义策略，然后在代理尝试执行操作时对其进行监控和强制执行。该系统构建事件图，以根据当前系统状态和历史事件确定操作是否会违反指定策略，并阻止任何违规行为。这项工作旨在创建可证明安全可靠的 Agentic 系统。
-
新研究探索神经符号AI集成与可解释性
两篇新研究论文探讨了符号推理与神经网络的集成。第一篇论文《神经符号AI的基于规则的语言》调查了Datalog和概率逻辑程序等现有的基于规则的语言，并分析了它们在各种AI领域的应用。第二篇论文介绍了CRISP，一个将神经网络的决策过程重构为可解释子句的框架，从而实现了从输入特征到输出的符号追踪。
-
新流程自动化 AI 驱动的渗透测试攻击图构建
研究人员开发了一个半自动流程，以弥合安全扫描器输出与用于代理式渗透测试的符号逻辑框架之间的差距。该系统将 Trivy、Semgrep 和 Nmap 等工具的证据转换为 MulVAL（一个逻辑攻击图生成器）可用的格式。该流程有助于构建特定领域的 Datalog 规则，使 MulVAL/XSB 能够推断攻击路径。该系统在 54 个 Web Capture-the-Flag 任务上进行了评估，证明了其可行性和实际运行时间，生成了具有显著漏洞…
-
新方法从转换后的版本重建原始本体规则
研究人员开发了一种方法，可以从Datalog规则推理器使用的转换版本中重建原始的基于规则的本体。此过程旨在提供可理解的、基于初始规则而非优化后的重写规则的推理事实的解释。该研究分析了此重建问题的计算复杂性，并确定了适用于指定所涉及的证明转换的特定语言。
-
差分数据流在动态环境中解释 Datalog 的评估
本文探讨了差分数据流在动态环境中解释 Datalog 的有效性。研究比较了三种 Datalog 实现，其中一种使用差分数据流，以评估物化效率。研究结果旨在指导 Datalog 计算的改进，特别是在云计算等动态数据场景中。
-
Lean4 Datalog DSL 集成 Google Zanzibar 用于 AI 项目
一种名为 Lean4 Datalog 的新领域特定语言 (DSL) 已被开发出来，它利用了 Google Zanzibar 的授权模型。该 DSL 旨在通过提供一种结构化的方法来管理权限和访问控制，从而促进 AI 项目。该项目可在 GitHub 上找到，旨在将 Zanzibar 的功能整合到更易于 AI 开发人员使用的格式中。
-
New framework automates attack chain extraction from cyber threat intelligence
研究人员开发了一个自动化框架，用于从网络威胁情报（CTI）报告中提取可操作的攻击链。该系统使用先决条件、行为和后置条件来建模每个攻击步骤，从而实现状态匹配和可达性分析。该框架利用大型语言模型和类 Datalog 规则，将非结构化的 CTI 叙述处理成适合自动推理的格式，实现了比现有方法更高的覆盖率和一致性。
-
Project Auto-World 使用 LLM 自动化神经关系推理基准测试
研究人员开发了 Project Auto-World 系统，该系统利用大型语言模型 (LLM) 为神经关系推理器自动生成具有挑战性的基准实例。这种方法通过基于 Datalog 规则和 Edge Transformer 评估器创建日益复杂的问题，解决了评估这些模型泛化能力的难题。该系统采用 LLM 驱动的进化和代理搜索来发现产生困难实例的采样函数，并利用生成的数据来提高 Edge Transformer 的泛化能力。这种自动基准测试框架…
-
新框架支持AI代理的概率验证
研究人员开发了一个新的框架，用于验证具有概率策略的AI代理，解决了现有确定性方法的局限性。该方法基于分布鲁棒优化，即使在谓词相关性未知的情况下，也能计算策略违反概率的上限。该框架在终端代理和工具调用代理的基准测试中得到验证，显示出改进的安全-实用性权衡，并且优于先前的方法。
-
新语言统一关系查询与神经计算
研究人员推出了一种新颖的声明式查询语言——神经关系程序（NRPs），旨在统一结构化数据上的关系推理与神经计算。NRPs 扩展了 Datalog 风格的规则，以整合数值向量嵌入，从而在一个单一框架内实现关系逻辑和可学习神经组件的交织。这种方法使 NRPs 能够同时作为可训练的查询计划和关系结构化的神经架构，为关系数据库上的神经计算提供了一种通用方法。
-
Dyna语言连接逻辑编程与机器学习研究
Dyna是一种专为机器学习研究人员设计的新型编程语言，旨在弥合数学概念与可执行代码之间的差距。它建立在Datalog和Prolog等逻辑编程范式的基础上，引入了灵活的执行顺序和加权规则等功能。这使得能够用最少的代码简洁地表达复杂的算法，包括矩阵乘法、斐波那契数列和神经网络。