本文探讨了多种概率编程算法和框架，包括基于表和答案包的概率推理（PITA）、LP²算法和Fusemate系统，旨在提高推理的效率和准确性。研究展示了优化概率程序的方法，结合条件和消元技术，并提出了新的学习框架和语言，推动了概率编程的发展。

本文探讨了在建筑能源建模中使用基于物理信息的去噪自编码器（PI-DAE）填补缺失数据的方法，强调了物理知识在提高预测可解释性和实际应用性方面的重要性。同时，介绍了结合经典算法与现代神经网络的自动驾驶车辆轨迹预测方法PTNet，展示了其在数据需求和预测准确性上的优势。