图书信息
内容简介
对 arXiv cs.LO 分类的年度综述，涵盖 2025 年 9 月 至 2026 年 8 月 期间发表的研究。本卷基于对 108 篇论文 的细读整理，组织为 40 章，按该领域的研究子方向描绘这一年的全貌。
全书框架（年度产出占比）：
- 基于图的知识表示与神经符号学习 (87.2%) — 本聚类聚焦将逻辑推理与图结构知识及面向智能体与应用的神经符号方法整合。
- 证明助手中的交互式与自动定理证明 (5.5%) — 本聚类聚焦为形式数学发展并优化证明演算、自动证明器与 Lean、Isabelle 等证明助手。
- 时序与行为性质的形式验证 (1.8%) — 本聚类处理利用形式语义与模型检测，验证复杂程序与系统的时序、行为与安全性质。
- 逻辑推理与形式化的大语言模型 (1.7%) — 本聚类研究利用大语言模型辅助自然语言推理、形式证明生成与结构化逻辑任务。
- SAT 与约束求解技术与应用 (1.4%) — 本聚类聚焦推进可满足性与约束求解方法，包括面向实际问题的编码、并行求解与符号推理。
- 依赖类型论与范畴语义 (1.4%) — 本聚类探索依赖类型论的理论基础与语义模型，包括范畴与不可谓词方法。
- 不动点与无限状态系统验证 (0.5%) — 本聚类处理不动点理论、模态 Mu 演算，以及无限状态与实时系统的验证技术。
- 逻辑教育与计算基础设施 (0.3%) — 本聚类处理在计算机科学中教授与实践逻辑的计算工具、库与教育资源开发。
- 统计模型检测与拓扑逻辑 (0.2%) — 本聚类聚焦面向路径可达性与智能体模型的统计模型检测技术与拓扑逻辑。
每个子方向均通过三章展开论述——它如何提出自己的问题、其关键结论的强度，以及它开放的争论与前沿，从而让读者获得该领域今年实际产出的可溯源图景。
