- 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
23210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。
20710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。
15400编辑于 2025-08-07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。
27210编辑于 2025-08-15- 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).
28930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。
20310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。 SMT（可满足性模理论）是SAT（布尔可满足性问题）的泛化，它能够处理整数、实数、字符串或函数等理论，是形式化方法——即使用自动推理来证明计算机程序将按预期运行——的主要工具。 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。 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。
10210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？
CI流水线自动拉取代码，开始构建TensorRT引擎——然而，由于新增了一个动态reshape操作，构建失败。如果没有自动化测试，这个错误可能直到部署阶段才被发现，延误至少半天。 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？ TensorRT的本质，是一个编译器式的推理优化器。 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。
15810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。
15510编辑于 2025-10-25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
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。提案从科学内容质量、创新性以及对研究界和社会的潜在影响等方面进行评审，综合考虑理论进展、创新理念和实际应用。 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
21710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
在今年的计算机辅助验证（CAV）会议上，某机构的Neha Rungta发表了主题演讲，她认为某机构的创新“开启了自动推理的黄金时代”。 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。 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
13810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。 页面小组件 推理 API 有两种使用方式，一种是在模型页面的右侧找到推理 API 的小组件页面，初始界面如下图所示： 我们可以在这个页面中上传图片，然后就可以看到模型进行推理运行，等一会后推理结果就出来了 自动帮助模型创建的，具体的信息可以参考这里[2]。 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。 总结 本文介绍了 HuggingFace 的推理 API、推理端点和推理空间的使用方法，推理 API 是免费的，使用 HuggingFace 自建的 API 服务，推理端点是部署自己专属的 API 服务
4.3K40编辑于 2023-09-17 - 来自专栏CreateAMind
因果推理比概率推理更难吗？
统计和因果推理中的许多任务可以被解释为合适的形式语言中的蕴含问题。我们问，从计算的角度来看，对于因果概率语言来说，这些问题是否比纯概率（或“关联”）语言更困难。 尽管从多种意义上讲，因果推理确实更复杂——无论是表达上的还是推理上的——我们表明因果蕴涵（或可满足性）问题可以系统地、稳健地简化为纯粹的概率问题。因此，计算复杂性不会增加。 毫无争议的是，因果推理比纯粹的概率或统计推理更困难。后者似乎已经足够困难了：估计概率、根据过去的观察预测未来事件、确定统计显着性、在统计假设之间做出裁决——这些已经是艰巨的任务，长期陷入争议。 因果推理问题似乎只会让我们的任务变得更加困难。推断因果效应、预测干预结果、确定因果方向、学习因果模型——这些问题通常需要统计推理，但也对研究者提出更多要求。 从推理的角度来看，概率信息远远不能确定因果信息。 统计推断和因果推断的一个共同特征是，每种方法最突出的方法都可以（至少部分地）理解为试图将归纳问题转化为演绎问题。
27110编辑于 2024-03-25 - 来自专栏ceshiren0001
大语言模型提示词工程教程：实现自动化工具推理
工具调用与 ReACT 的区别项目ReAct 提示词工程Function Calling核心思想用提示词引导模型「推理 + 行动 + 观察反馈」循环明确声明函数签名，模型调用结构化函数技术机制Prompt 模板控制流程，如：Think -> Act -> Obs通过函数描述注册函数接口，模型自动生成调用参数环境交互灵活性高：适用于复杂多步任务、agent 类流程中：适合明确定义的单步工具调用开发复杂度中 ：需要精心设计提示词模板与中间状态管理低~中：注册函数较直接，但需要参数与返回值处理典型应用场景多步推理、多工具交替使用、信息抽取等复杂场景明确 API 调用、数据库查询、插件系统等与 Agent 框架集成度高 ：常用于 LangChain、AutoGPT 中的推理行为生成高：OpenAI、LangChain、Claude 支持直接注册使用优缺点总结✅ 灵活可控✅ 自动结构化调用❌ 难以规模化自动解析❌ 不擅长多步控制与反馈处理
15610编辑于 2026-01-12 - 来自专栏bit哲学院
知识推理
参考链接： 从列表中移除满足Java中给定谓词元素 目录 本体知识推理简介与任务分类 OWL本体语言 知识推理任务 OWL本体推理 实例化(materialization)的一个例子: 本体推理的局限: (1) 仅支持预定义的本体公理上的推理(无法针对自定义的词汇支持灵活推理) (2) 用户无法定义自己的推理过程 引入规则推理 (1) 可以根据特定的场景定制规则,以实现用户自定义的推理过程 一种前向推理系统,可以按照一定机制执行规则从而达到某些目标,与一阶逻辑类似,也有区别 应用 自动规划 专家系统 产生式系统的组成 事实集合 (Working Memory 上下位推理 查询的同时已经做出了推理! 查询触发推理 查询输入类别s和o之间有无上下位关系 添加推理机 OWL推理: 构建OWL推理机 构建一个含OWL推理功能的Model Model myMod = ModelFactory.createDefaultModel
2K00发布于 2020-12-13 自动推理技术助力存储系统验证获最佳论文奖
在ACM操作系统原理研讨会(SOSP 2021)上，某机构云服务团队凭借采用自动推理技术验证ShardStore存储系统的研究成果获得最佳论文奖。 该团队创新性地提出轻量级自动推理方法：采用参考模型技术，用哈希表等简化模型验证复杂数据结构（如日志结构合并树）开发依赖图跟踪技术确保崩溃恢复时数据一致性实现随机输入序列生成与错误定位算法开源Rust模型检查工具 验证过程包含：数亿个测试场景通过批量计算服务自动执行并发执行测试与序列化器验证针对相同存储路径的定向压力测试目前该技术已应用于ShardStore所有版本部署前的自动化验证，成为保障存储系统可靠性的关键技术方案
18700编辑于 2025-08-16自动化推理与差分测试构建Cedar语言的技术实践
如何通过自动化推理和差分测试构建CedarCedar是一种新型授权策略语言，被某机构的验证权限服务和验证访问托管服务所采用。开发者可以使用Cedar编写策略，为其应用程序指定细粒度权限。 确保Cedar的可信度为确保Cedar授权引擎做出正确决策，采用了名为“验证引导开发”的两阶段流程：使用Dafny验证感知编程语言对Cedar组件进行建模，通过自动化推理证明安全属性通过差分随机测试验证
18510编辑于 2025-09-262021年春季研究奖项揭晓：聚焦AI与自动化推理技术
奖项资助分为两个提案方向：人工智能公平性验证和云计算自动化推理。提案评审基于科学内容质量、创新性以及对研究界和社会潜在影响力的综合评估。理论进展、创新理念和实际应用均在考虑范围内。 自动化推理组高级首席科学家表示："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资助多个研究领域的提案。 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萨班奇大学通过符号推理进行线性化检查 Yang佐治亚理工学院实现方言鲁棒性与包容性自然语言理解Qirun Zhang佐治亚理工学院通过交错Dyck可达性进行软件模型检测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
25700编辑于 2025-08-26
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