- 综合排序
- 最热优先
- 最新优先
自动化推理技术入门指南
自动化推理技术简介本周某中心科学部门将自动化推理新增为研究领域。 开发团队也将自动化推理工具集成到开发流程中，显著提升了产品的安全性、持久性、可用性和质量。本文旨在为行业从业者提供自动化推理的入门指引。 而自动化推理工具利用代数原理可在毫秒级判定该表达式恒为真。 技术栈分类逻辑系统：命题逻辑/一阶逻辑等形式体系定理证明：如四色定理的机器验证形式化验证：应用于CompCert C编译器等系统自动化推理：强调形式化方法的自动化实现应用实践该技术可同时分析策略文件（如访问控制策略 某机构内部同时采用全自动和半自动推理工具，对外服务则采用全自动化方案。
22200编辑于 2025-08-09自动推理技术闪电演讲解析
自动推理技术闪电演讲第32届计算机辅助验证国际会议（CAV）专注于推动硬件和软件系统计算机辅助形式化分析方法的理论与实践。 技术应用领域科学家团队展示了以下自动推理技术的具体实践：约束推理：应用于身份与访问管理系统静态分析：在视频流媒体服务中的实施模型检测：用于物联网设备验证形式化验证：在云存储服务等关键系统的应用技术方法详解演讲涵盖了三种核心验证方法 ：基于约束的推理：通过数学约束条件验证系统行为静态分析：在不执行代码的情况下分析程序行为模型检查：使用算法验证系统模型是否满足规约要求这些技术方法正在被广泛应用于各类云服务和数字平台，确保系统的可靠性和安全性
23310编辑于 2025-08-31自动推理技术如何优化视频体验
自动推理如何优化视频体验自动推理是机器进行逻辑推理的能力。软件验证是自动推理的常见应用，即确认计算机程序将按预期执行。 自2019年以来，某中心视频自动推理团队一直在创建软件开发工具，利用这些验证技术为开发人员提供对其所编写代码的更大信心。 由于该应用程序具有由全球数十个独立团队使用多种编程语言开发的多个组件，并且必须在数千种不同的硬件配置上运行，这为自动推理提供了特别严峻的环境。 自2021年3月26日起，所有视频开发人员都在使用名为BugBear的自动推理机器人，该机器人进行自动代码审查，在检测到潜在问题时提供清晰且可操作的评论，或确认未发现问题。 使用自定义规则集，可以自动推断程序的属性。采用声明性编程语言Datalog来表示事实和规则。
21110编辑于 2025-09-29自动化推理技术入门指南
自动化推理技术简介本周某中心科学部门将自动化推理新增为研究领域。 这一决策源于该技术在内部产生的重大影响，例如某机构云服务的客户现已能直接使用基于自动化推理的功能如IAM访问分析器、S3公共访问阻断等功能。 开发团队也正将自动化推理工具集成到开发流程中，从而提升产品的安全性、持久性、可用性和质量。 自动化推理工作原理自动化推理工具通过数学方法分析程序或逻辑公式，例如：分析程序控制流结构推断程序最终必然成立的条件验证程序始终满足的不变式进阶案例分析以下Python函数的终止性：def g(x, y) : if y > 0: while x > y: x = x - y自动化推理工具可证明：当y为正数时，x值必然递减直至退出循环，从而确保函数终止。
15500编辑于 2025-08-07- 来自专栏JadePeng的技术博客
知识图谱推理与实践 (2) -- 基于jena实现规则推理
本章，介绍 基于jena的规则引擎实现推理，并通过两个例子介绍如何coding实现。 规则引擎概述 jena包含了一个通用的规则推理机，可以在RDFS和OWL推理机使用，也可以单独使用。 规则推理demo2 -- 关联交易 我们再来看上一篇文章中提到的那个金融图谱： ? 陈华钧老师PPT里，有一个推理任务： 1) 执掌一家公司就一定是这家公司的股东； 2) 某人同时是两家公司的股东，那么这两家公司一定有关联交易； PPT里是使用Drools来实现的，具体可以参见PPT c2)] 执行推理： GenericRuleReasoner reasoner = (GenericRuleReasoner) GenericRuleReasonerFactory.theInstance c2) -> (?c :关联交易 ?
4.3K30发布于 2020-02-18 自动化推理助力IAM策略检查
自定义策略检查助力自动化推理民主化新的IAM Access Analyzer功能使用自动化推理，确保用IAM策略语言编写的访问策略不会授予意外访问权限。 自定义策略检查将策略语句转换为数学公式的任务抽象化，使客户无需具备形式逻辑专业知识即可享受自动化推理的好处。 自定义策略构建在一个名为Zelkova的内部服务上，该服务使用自动化推理来分析IAM策略。 DescribeInstance*", "ec2:StartInstances", "ec2:StopInstances" ], 自动化推理民主化的关键是使其使用简单且易于指定属性。通过额外的自定义检查，将继续支持客户在最小权限之路上前进。FINISHED
7010编辑于 2026-04-08自动推理技术如何优化视频平台体验
自动推理技术如何优化视频平台体验自动推理指机器进行逻辑推导的能力，其常见应用场景包括软件验证（确保计算机程序按预期执行）。 自2019年起，某中心Prime Video自动推理团队开始创建软件开发工具，利用这些验证技术为视频平台应用的开发者提供更高代码可靠性保障。 该应用需兼容数千种硬件配置，整合全球数十个团队用多种编程语言开发的组件，构成自动推理技术的特殊挑战环境。 2021年3月26日起，所有Prime Video开发者开始使用名为BugBear的自动推理机器人进行代码审查。该工具能在15分钟内提供反馈，支持C/C++、Java和TypeScript语言的分析。 技术实现细节在2020年下半年启动的试点中，BugBear执行了1000多次自动代码审查，发现约100个潜在问题，其中80%被开发者确认需要修改。
27310编辑于 2025-08-15- 来自专栏个人博客
cloudlflare推理llama2 - plus studio
cloudlflare推理llama2 最近，cloudlfare悄悄上线了一项新功能，全球网络上的gpu加速推理，显然的，我们可以用它推理llama2,cloudflare也提供了一个库进行推理。 新建一个cloudflare,然后，代码改成下面的，就可以进行推理了 import { Ai } from '. user', content: requestBody.prompt } ] }; let response = await ai.run('@cf/meta/llama-2-
16610编辑于 2024-02-29 - 来自专栏CreateAMind
实现系统2(system2)主动推理与认知控制
随着时间推移，习惯性成分 E 变得越来越强、越来越自动化——即形成了习惯（habitisation）（见图2F）。 图2D展示了主动推理智能体在驾驶任务中所经历的认知冲突程度 。 模拟 2：具有简单元认知控制的主动推理 在这里，我们在图1B所示的主动推理生成模型基础上，增加了一个用于（简单）元认知控制层级 的回路，见图3。 模拟 2 的结果 在此部分，我们使用带有（简单）元认知控制 的主动推理模型来模拟驾驶任务。模拟结果如图4所示。 我们未将模拟2中使用的模型纳入比较，因为它可以被视为模拟3的一个特例：在特定条件下自动触发认知控制，并且其努力代价被不现实地设为零。
14610编辑于 2026-03-11 - 来自专栏JavaEdge
人工智能导论 (四) - 基于谓词逻辑的推理(待更新)1 推理方式及其分类2 归纳演绎推理
1 推理方式及其分类 2 归纳演绎推理
96120发布于 2018-12-27 - 来自专栏CreateAMind
自动生成julia(贝叶斯)推理算法代码
ForneyLab.jl is a Julia package for automatic generation of (Bayesian) inference algorithms. Given a probabilistic model, ForneyLab generates efficient Julia code for message-passing based inference. It uses the model structure to generate an algorithm that consists of a sequence of local computations on a Forney-style factor graph (FFG) representation of the model. For an excellent introduction to message passing and FFGs, see The Factor Graph Approach to Model-Based Signal Processing by Loeliger et al. (2007). Moreover, for a comprehensive overview of the underlying principles behind this tool, see A Factor Graph Approach to Automated Design of Bayesian Signal Processing Algorithms by Cox et. al. (2018).
29530编辑于 2023-10-12 思维链推理自动化检测大模型幻觉
自动化幻觉检测与思维链推理当大型语言模型（LLM）被提示诸如"圣约翰草可能与哪些药物发生相互作用？" 声明分类中的高级推理最初遵循传统方法直接提示LLM对提取的声明进行分类，但这未达到性能标准。因此转向思维链（CoT）推理，其中要求LLM不仅执行任务还要证明其采取的每个行动。 开发了一个五步CoT提示，结合了声明分类的精选示例（少样本提示）和指示声明分类LLM彻底检查每个声明对参考上下文的忠实度并记录每次检查背后的推理的步骤。 结果清楚地显示了少样本CoT提示带来的性能改进（从0.78提高到0.8，提高了2个百分点），使我们更接近大规模自动识别LLM幻觉。 除了二元分类或常用的自然语言推理（NLI）类别（支持、反驳和信息不足）之外，提出了一套通过分析常见LLM幻觉中的语言模式开发的新错误类型。
21510编辑于 2025-09-05每日十亿次查询：云安全中的自动推理技术
每日十亿次查询：自动推理如何保障云安全在某中心，科学家和工程师们正在利用自动推理技术来证明关键内部系统的正确性，并帮助客户验证其云基础设施的安全性citation:1。 Zelkova：自动化的安全策略分析引擎为了将自动推理的力量带给所有客户，某中心开发了名为 Zelkova 的自动推理引擎citation:1。 这使得客户只需查看清晰的是/否答案，即可轻松确定云资源的安全性，从而民主化了自动推理技术，让所有用户都能使用citation:1。 然而，即使在修复之后，Cvc5在许多简单问题上仍然比CVC4慢一倍（例如，1秒对比2秒）citation:1。 某中心的服务使得自动推理技术正在改变云安全格局，其能力通过几次点击即可提供给所有客户，实现了从学术研究到大规模工业实践的成功转化citation:1。
10510编辑于 2025-12-24- 来自专栏啄木鸟软件测试
如何实现TensorRT推理服务的自动化回归测试？
它通过层融合、精度校准和平台感知优化，在Volta及以上架构的NVIDIA GPU上，常能带来2~5倍的推理加速。但正因其“深度定制化”的特性，每一次模型变更都必须经过严格的功能与性能双重校验。 这就引出了我们真正要构建的东西：一个围绕TensorRT推理生命周期的自动化回归测试体系。 这套系统的核心逻辑其实很清晰：每次模型变更，都必须回答两个问题——功能是否一致？性能是否可控？ 比如对FP32输出，L2距离小于1e-3；对INT8，则允许稍大容忍度，但仍需保证关键类别不漂移。 因此，自动化测试的第一步，不是跑推理，而是确保引擎能稳定构建。 在自动驾驶、医疗影像、金融风控等高可靠性场景中，这种机制不是“锦上添花”，而是“生存必需”。 未来，随着LLM推理优化的兴起，TensorRT也在不断演进，支持更大模型、动态批处理和稀疏计算。
17010编辑于 2026-03-04 自动化推理与差分测试构建Cedar语言
使用自动化推理和差分测试构建Cedar语言Cedar是一种新的授权策略语言，被某中心的验证权限服务和某机构云服务使用，最近已公开发布。使用Cedar，开发人员可以编写策略，为其应用程序指定细粒度权限。 首先，使用自动化推理来证明Cedar组件形式化模型的重要正确性属性。其次，使用差分随机测试来展示模型与生产代码匹配。Cedar入门Cedar是一种用于编写和执行自定义应用程序授权策略的语言。 使用Dafny内置的自动化推理能力，已经证明了代码满足各种安全和安全属性。其次，使用差分随机测试（DRT）来确认Cedar的生产实现（用Rust编写）与Dafny模型的行为匹配。 将授权引擎建模为Dafny函数，并使用Dafny的自动化推理能力来陈述和证明显式许可和禁止覆盖许可属性。 注意到Dafny模型不仅对自动化推理有用，对手动推理也有用。Dafny代码比Rust实现更容易阅读。作为衡量标准，在撰写本文时，授权器的Dafny模型代码行数约为生产代码的六分之一。
16210编辑于 2025-10-25- 来自专栏新智元
DeepMind发布SIMA 2！打通「感知-推理-行动-反思」闭环
新智元报道 编辑：peter东 【新智元导读】Deepmind推出的SIMA 2，让智能体能在虚拟环境（商业游戏）中，边聊天边进行复杂的多模态推理。 而近日新推出的SIMA 2，通过整合Gemini的多模态推理能力，让SIMA正从一个指令执行者演变为一个互动游戏伙伴。 除了执行指令，SIMA 2还可以与用户多轮对话，一边推理自身行为及其所处环境，一边描述其意图执行的操作，并详细说明其完成目标的步骤。 图4：在所有训练游戏环境中中，SIMA 1、SIMA 2 和人类的任务完成成功率对比，SIMA 2相比SIMA 1平均成功率翻倍，在人类和自动评估时下均接近人类水平。 不过，研究者也承认，SIMA 2中的智能体在处理超长时间跨度、复杂的任务时，仍然面临需要大量多步骤推理和目标验证等挑战。 此外，SIMA 2 对交互历史的记忆相对较短。
21210编辑于 2026-01-13 自定义策略检查助力自动化推理技术普及
自动化推理技术赋能策略验证在云环境中控制资源访问权限时，客户可通过编写IAM策略实现精细化管理。但如何验证这些策略符合安全要求？ 某机构推出的IAM Access Analyzer自定义策略检查功能，通过自动化推理技术将策略声明转化为数学公式进行验证，无需人工进行繁琐的形式逻辑分析。 策略迭代优化undefined开发初期采用宽松策略时，系统可自动对比新旧策略版本，确保每次更新都向最小权限原则靠拢。 该技术标志着自动化推理在云安全领域的重大实践突破，未来将持续扩展更多自定义检查类型，助力客户实现最小权限原则的持续落地。
19200编辑于 2025-08-042021春季研究奖项聚焦AI与自动化推理技术
每项奖项旨在支持1-2名研究生或博士后学生在教师指导下开展为期一年的研究工作。该计划通过两个提案征集项目提供资助：AI公平性和自动化推理。 自动化推理团队资深首席科学家表示：“自动化推理研究与机器学习、硬件软件工程、机器人技术和生命科学等多个领域深度交织。 2021年研究奖项反映了这种广度，以及推动计算技术迈向人类推理魔力火花所需的跨学科研究特性。”该研究奖项每年最多四次在不同研究领域资助提案。 Mercer杨百翰大学从Dafny模型生成Java测试的符号执行Peter Müller苏黎世联邦理工学院基于TLA+规范的Rust程序验证Suha Orhun Mutluergil萨班哲大学通过符号推理进行线性化检查 布拉格捷克技术大学定理证明中神经与符号方法的结合Diyi Yang佐治亚理工学院实现稳健包容的自然语言理解Qirun Zhang佐治亚理工学院通过交错Dyck可达性的软件模型检测Danyang Zhuo杜克大学软件中间件的一键验证研究领域机器学习自动化推理标签研究奖项负责任人工智能
22110编辑于 2025-09-29每日十亿次SMT查询：云规模下的自动推理实践
某机构的科学家和工程师正在使用自动推理来证明关键内部系统的正确性，并帮助客户证明其云基础设施的安全性。这些创新中的许多都是由称为SMT求解器的强大推理引擎驱动的。 Zelkova在某机构，使用自动推理来证明内部系统的正确性，并提供服务，让客户能够证明其云系统的正确性。 本文将重点介绍这项工作中一个关键部分，展示如何通过一个名为Zelkova的自动推理引擎，帮助客户正确配置其访问控制。 事实证明，即使修复了这个问题，在许多较简单的问题上，CVC4的速度仍然是cvc5的两倍，能在1秒内解决，而cvc5需要2秒。 自动推理正在改变云安全的格局，而某云客户只需点击几下鼠标，即可获得这项强大的技术。FINISHED
14210编辑于 2026-03-08- 来自专栏人人都是架构师
HugggingFace 推理 API、推理端点和推理空间使用介绍
本文将介绍 HuggingFace 的推理 API、推理端点和推理空间的使用方法。 自动帮助模型创建的，具体的信息可以参考这里[2]。 然后是服务器的配置，HuggingFace 默认会给出模型的最低推理配置，如果我们想要更高的配置，可以点击2中的下拉框进行选择。 然后选择空间硬件，HuggingFace 为每个空间提供了一个免费的配置： 2 核 CPU 16G 内存，用这个配置部署推理空间是免费的，如果你想要更高的配置，也可以选择付费的配置。 设置完后点击Create Space按钮就开始创建推理空间了，创建完成后会自动跳转到空间的页面，如下图所示： 如果推理空间的安全等级设置为 Public，你就可以将空间的 URL 分享给其他人使用了。
4.4K40编辑于 2023-09-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号