[Paper] 受约束的 Assumption-Based Argumentation 框架

I’m happy to help translate the text, but I don’t see the content you’d like translated—only the source citation is provided. Could you please paste the passage (or the abstract, excerpt, etc.) you want translated into Simplified Chinese? Once I have the text, I’ll translate it while preserving the formatting and keeping the source link unchanged.

Overview

本文介绍了 受约束的基于假设的论证 (Constrained Assumption‑Based Argumentation, CABA)，这是一种对经典的基于假设的论证 (Assumption‑Based Argumentation, ABA) 框架的全新扩展，使得论证可以包含变量以及对可能无限域的约束。通过超越传统的 “仅限于具体实例”(ground‑only，即无变量) 设置，CABA 为更丰富、更具表现力的模型打开了大门，能够捕捉诸如调度、配置和政策合规等现实世界的推理任务。

关键贡献

• 可变变量的 ABA: 对可能包含受约束变量的 ABA 组件（假设、规则、攻击）进行形式化定义。
• 非基元语义: 引入几种攻击概念（例如 全称、存在、混合），它们适用于带变量的论证。
• 保守推广: 证明当所有变量被实例化（即框架为基元时），CABA 收敛为标准 ABA 语义，保证向后兼容。
• 理论分析: 新语义的形式属性（如单调性、一致性）以及不同攻击概念之间的关系。
• 示例说明: 演示 CABA 如何建模在传统 ABA 中难以或无法表达的问题（例如带数值约束的资源分配）。

方法论

1. 语言扩展： 作者从常规的 ABA 语言（原子、规则、假设）出发，加入 受约束变量——在某个域上取值并带有逻辑约束的变量（例如 x > 0、x ∈ ℕ）。
2. 论证构建： 一个论证是规则应用的树，可能留下未实例化的变量。叶节点是假设，可能包含变量。
3. 攻击定义： 定义了三类攻击：
   • 全称攻击： 若论证 A 的 每一种 变量取值都能击败论证 B 的 某一种 取值，则 A 攻击 B。
   • 存在攻击： 若存在 某一种 A 的取值能够击败 B 的 某一种 取值，则 A 攻击 B。
   • 混合攻击： 结合全称和存在条件，以捕捉更细致的交互。
4. 语义迁移： 将经典 ABA 语义（如可采纳的、首选的、稳定的扩展）提升到非基元设置，依据新的攻击关系进行解释。
5. 保守性证明： 通过将变量域限制为单例集合，作者证明 CABA 语义恰好与原始 ABA 语义一致。

结果与发现

• 表达能力提升： CABA 能够对涉及算术、排序以及其他约束的问题进行编码，而无需将它们展平为命题原子，从而显著降低底层知识库的规模。
• 语义保持： 新的攻击概念遵循 ABA 的核心属性（例如冲突自由性、防御），同时允许对无限族的论证进行推理。
• 计算权衡： 虽然该框架更具表达力，但作者指出，检查攻击可能需要求解约束满足问题（CSP），这在某些约束语言下可能是 NP‑hard，甚至更难。
• 案例研究： 对一个简单的作业车间调度场景和基于角色的访问控制策略的示例编码表明，CABA 能产生更自然的模型，并可使用现有的 CSP/SMT 求解器进行评估。

实际意义

• AI 规划与调度: 开发者可以在论证引擎中直接对具有数值资源的规划领域建模，将繁重的计算工作交给现成的求解器。
• 政策与合规引擎: 复杂的监管规则常常涉及阈值和区间；CABA 让你将这些以约束形式捕获，而不是枚举所有可能的情况。
• 可解释人工智能 (XAI): 基于论证的解释现在可以引用包含变量的前提（例如，“因为负载 x 超过 80 %”），使其对终端用户更直观。
• 集成路径: 现有的 ABA 工具可以通过添加预处理层来扩展，该层按需将受约束的规则翻译为具体实例，从而实现逐步迁移到 CABA，而无需重写整个系统。

限制与未来工作

• 可扩展性: 对外部 CSP/SMT 求解器的依赖意味着性能取决于底层约束的难度；大规模或高度非线性领域可能变得难以处理。
• 工具缺口: 目前尚未有专门的 CABA 实现；论文提供了理论基础，但高效求解器的工程实现留待未来工作。
• 用户指导: 为实践者选择合适的攻击概念（全称 vs. 存在式）可能并不容易；需要指南或自动化启发式方法。
• 未来方向: 作者建议探索结合具体和非具体推理的混合语义，优化约束处理（例如增量求解），并将 CABA 应用于安全分析、法律推理和多代理协商等领域。

作者

• Emanuele De Angelis
• Fabio Fioravanti
• Maria Chiara Meo
• Alberto Pettorossi
• Maurizio Proietti
• Francesca Toni

论文信息

• arXiv ID: 2602.13135v1
• 类别: cs.AI, cs.LO
• 出版日期: 2026年2月13日
• PDF: 下载 PDF