该研究提出了SemML工具，通过语义标记和机器学习策略，解决基于线性时序逻辑的反应系统合成问题，显著提升了合成效率，尤其在大规模实例中表现优异。

本研究提出了一种自动从系统行为生成规格的方法，解决了形式验证中手动制定规格的挑战与易错性，并比较了不同的LTL规格挖掘技术，对形式方法实践者具有重要指导意义。

本研究首次明确了带有线性时态逻辑LTL运算符的Datalog查询的数据复杂性，结果显示LogSpace为PSpace完全，而AC0、ACC0和NC1的判断可在ExpSpace中完成，揭示了复杂查询的可计算性边界。

本研究提出了一种无悔在线算法，旨在解决未知动态系统中安全关键系统控制器合成的挑战，提高基于LTL规范的学习性能与效率。

本研究探讨自主代理解析不确定自然语言指令的挑战，提出CoT-TL框架，将自然语言转换为线性时态逻辑（LTL），提高透明性和可信度。在低数据环境中，该方法表现出色，并在无人机多步骤规划中验证了其实用性。

本研究提出了一种新方法，利用Büchi自动机结构，在复杂LTL规范下有效学习强化学习策略。实验结果表明，该方法在多个领域中表现优异，能够在零样本条件下满足广泛规范，并在满足概率和效率上优于现有方法。

近年来，机器学习（ML）模型在各个领域取得了显著的成功，然而这些模型也倾向于表现出不安全的行为，这限制了它们在安全关键系统中的部署。为了解决这个问题，许多研究集中在开发能够保证给定 ML 模型的安全行为的方法。其中一个突出的例子是屏蔽，它包含一个外部组件（“屏蔽器”）用于阻止不需要的行为。尽管取得了相当大的进展，但屏蔽仍然存在一个主要问题：它目前只适用于命题逻辑（例如...

该研究使用LLMs增强基于规则的法律系统的可访问性、使用性和可解释性。通过将规则系统生成的解释翻译成自然语言，使所有用户能够与这些技术进行交互。研究还使用提示链赋予非专业人士在自己身上执行复杂的法律任务的能力，用于对相同事实案例应用基于规则的不同推理的自主法律比较。

本文研究了神经符号计算中的两个问题：深度学习是否能解决逻辑中的挑战性问题，神经网络是否能学习逻辑语义。通过训练Transformer预测LTL公式的解，使用传统求解器生成训练数据，研究表明这种方法有效。

强生公司面临38000起滑石粉致癌诉讼，子公司LTL提起诉讼，指控研究人员误导并要求撤回研究。研究人员的报告指出滑石粉可能导致间皮瘤。LTL称研究人员隐瞒患者接触石棉的事实，要求披露患者身份信息。强生已支付21亿美元赔偿金，花费45亿美元解决诉讼。强生希望逼迫研究人员改口，赢得诉讼。