抽象论证中扩展的多样性
摘要
本文基于对称差引入了抽象论证中扩展的量化多样性概念,并对相关推理任务进行了系统的复杂性分类。
arXiv:2605.13332v1 公告类型:新
摘要:论证是人工智能中用于建模和推理论点的重要主题。在抽象论证中,我们考虑有向图,即所谓的论证框架(AF),用于表达论点之间的冲突。语义通过扩展的概念来定义,扩展是满足AF中特定关系条件的论点集合。通常,论证中的标准推理不会揭示扩展之间的差异程度。我们基于对称差引入了扩展的量化多样性概念,并提供了系统的复杂性分类。直观上,多样性捕捉了一个框架的扩展(即被接受的观点)是仅存在微小差异,还是代表了根本不相容的论点集合。我们研究一个AF是否允许k-多样扩展,是否允许覆盖特定论点的k-多样扩展,以及计算一个AF允许k-多样扩展的最大k值。我们概述了一个原型,并提供了计算多样性水平的评估。
查看缓存全文
缓存时间: 2026/05/14 06:15
# 抽象论证中扩展的多样性
来源:https://arxiv.org/html/2605.13332
Department of Computer and Information Science \(IDA\), Linköping University, Swedenjohannes\.fichte@liu\.sehttps://orcid\.org/0000\-0002\-8681\-7470 University of Potsdam, Germany & University of Artois, CNRS, UMR8188 \(CRIL\), France hecher@cril\.frhttps://orcid\.org/0000\-0003\-0131\-6771 Data Science Group, Heinz Nixdorf Institute, Paderborn University, Germanyyasir\.mahmood@uni\-paderborn\.dehttps://orcid\.org/0000\-0002\-5651\-5391 Data Science Group, Heinz Nixdorf Institute, Paderborn University, Germanyzwang@mail\.uni\-paderborn\.de\\CopyrightYasir Mahmood, Markus Hecher, Johannes K\. Fichte and Zhengjun Wang\\ccsdesc\[100\]Computing methodologies Knowledge representation and reasoning\\hideLIPIcs
###### 摘要
论证是人工智能中用于建模和推理论证的重要主题。在抽象论证中,我们考虑有向图,即所谓的*论证框架(AF)*,它表示论证之间的冲突。语义通过*扩展*的概念来定义,这些扩展是满足AF中特定关系条件的论证集合。通常,论证中的标准推理并不揭示扩展之间的*差异程度*。
我们引入了一种基于对称差的扩展*多样性*的量化概念,并提供了系统的复杂性分类。直观上,多样性捕捉的是框架的扩展(即被接受的观点)是仅存在细微差别,还是代表根本不相容的论证集合。我们研究了AF是否具有k-多样扩展,是否具有k-多样扩展且覆盖特定论证,以及计算AF具有k-多样扩展的最大k值。我们展示了一个原型实现,并提供了计算多样性水平的评估。
###### 关键词:
抽象论证,多样性,计算复杂性
## 1 引言
抽象论证 [Dung95a,Rahwan07a,BaroniCaminadaGiacomin11] 是人工智能中一个众所周知的概念,用于对论证进行建模、关联和分组 [AmgoudPrade09a,RagoCocarascuToni18a]。为了表达对立立场,论证以有向图的形式相互关联,即所谓的*论证框架(AF)*。满足特定关系条件(语义)的论证集合(*扩展*)构成了AF的解。通常,一个AF具有多个扩展,换句话说,它们是相互不相容但内部一致的共同可接受论证集合,可以被理解为同一论证情境下不同的“观点”。
抽象论证研究引入了一些概念,以便深入了解不同的扩展,例如,解释和选择最具代表性的观点集合 [BernreiterMalyNardi24],在多个扩展之间进行决策 [DauphinCramerVan\-der\-Torre18],探索大型解空间 [DachseltGagglKrotzsch22],确定单个论证的重要性 [MahmoodEtAl25],一个或多个论证出现在扩展中的条件概率 [FichteH0M23],扩展计数 [FichteHecherMeier24],以及引入对论证的预排序(扩展排序语义)[SkibaRienstraThimm21]。
然而,现有概念并不揭示整个扩展之间的*相距程度*和*多样性*,也不揭示*AF的多样性程度*。这在我们需要协商立场的环境中尤为有趣。不同的观点可能合理地支持不同的扩展。如果我们只考虑任意选择的一个扩展、一个代表性扩展或部分扩展,我们很容易掩盖真正的权衡并阻碍达成一致。为此,我们研究多样扩展,并引入一种基于对称差的扩展多样性量化概念。两个集合AA和BB的*对称差* A△BA\\triangle B 取那些恰好属于其中一个集合而不属于两者的元素,即 A△B:=\(A∪B\)∖\(A∩B\)A\\triangle B\\,\\mathrel\{\\mathop\{:\}=}\(A\\cup B\)\\setminus\(A\\cap B\)。 例1.1(https://arxiv.org/html/2605.13332#S1.Thmtheorem1)说明了一种我们感兴趣于理解扩展多样性的情况。
参见图注
图1:一个模拟医疗决策的示例AF。
###### 例 1.1.
考虑一个 AF F=\(A,R\)F=\(A,R\),模拟时间压力下的医疗决策,如图1(https://arxiv.org/html/2605.13332#S1.F1)所示。FF中的论证具有以下直观含义:
- •sx (StartX):立即开始治疗X。
- •sy (StartY):立即开始治疗Y。
- •rx (RiskX):由于没有立即决策,必须首先仔细评估X的长期风险。
- •ey (EffectiveY):由于没有立即决策,Y的有效性需要进一步测试。
- •bx (BenefitsX):X具有显著的短期效益。
- •lry (LowRiskY):Y的副作用较小。
- •w (Wait):在决策前收集更多数据。
在稳定语义下,其直观含义是表达一个自我一致且击败所有替代方案的观点,FF恰好有三个扩展。具体来说,EX=\{sx,bx,ey\},EY=\{sy,lry,rx\}E\_\{X\}=\\\{sx,bx,ey\\\},E\_\{Y\}=\\\{sy,lry,rx\\\}, 和 EW=\{w,rx,ey\}E\_\{W\}=\\\{w,rx,ey\\\},每个扩展分别突出了一种治疗类型或等待更多数据的论点。
这里,关于最终决策最重要的三个论证是sx,sysx,sy和ww,它们分别选择一种治疗类型或主张等待。这些论证中的每一个都出现在某个扩展中(即轻信接受)。因此,我们无法对这三种选择中的任意一种得出太多信息。但从所有可用选项(稳定扩展)的全局视角来看,我们观察到,两种治疗的扩展之间完全不共享任何论证,而它们与迫使等待的扩展(EWE\_\{W\})至少共享一个论证。具体来说,EX△EY=\{sx,bx,ey,sy,lry,rx\}E\_\{X\}\\triangle E\_\{Y\}=\\\{sx,bx,ey,sy,lry,rx\\\},这表示我们视选项“StartX”和“StartY”为6-多样。然而,我们有EX△EW=\{sx,bx,rx,w\}E\_\{X\}\\triangle E\_\{W\}=\\\{sx,bx,rx,w\\\},和EY△EW=\{sy,lry,ey,w\}E\_\{Y\}\\triangle E\_\{W\}=\\\{sy,lry,ey,w\\\}。因此,我们观察到选项“StartX”(或“StartY”)与“Wait”仅为4-多样。直观上,这意味着两种治疗类型的理由使用非常“不同”的推理路线,而两种治疗选项都至少与第三种选项(在决策前稍等)共享一些推理。或者说,“StartX”的理由与“Wait”的理由相比“StartY”有些*相似*。⊲\\triangleleft
贡献。我们的主要贡献如下:
1. 1. 我们将基于对称差的多样性概念引入抽象论证,并研究其性质。我们展示了多样性如何与现有概念不同,并提供了比基于轻信和怀疑推理的概念更细粒度的视角。
2. 2. 我们研究了核心问题(最多、至少、恰好k-多样,最大多样性)的计算复杂性,并提供了复杂性全景的完整图景,见表1(https://arxiv.org/html/2605.13332#S1.T1)。
3. 3. 我们提供了原型实现和初步实验评估,通过逻辑编程(ASP)计算多样性范围。
表1:语义 σ1∈\{conf,naiv\}\\sigma\_\{1\}\\in\\\{\\mathsf\{conf\},\\mathsf\{naiv\}\\\}, σ2∈\{adm,stab,comp\}\\sigma\_\{2\}\\in\\\{\\mathsf\{adm\},\\mathsf\{stab\},\\mathsf\{comp\}\\\}, 和 σ3∈\{semiSt,\\sigma\_\{3\}\\in\\\{\\mathsf\{semiSt\},stag\}\\mathsf\{stag\}\\\} 的复杂性结果概览。问题“Arg”询问两个论证是否k-多样,“Ext”询问AF是否具有两个k-多样σ\\sigma扩展。对于k≤\-Div\-Argσ\\,\{\}^\{\leq\}\\mathsf\{k\\text\{\-\}Div\\text{\-\}Arg\}\_\{\\sigma\}的结果也适用于每个σ\\sigma的k\-Div\-Argσ\\mathsf\{k\\text{\-\}Div\\text{\-\}Arg\}\_\{\\sigma\}。我们陈述的证明可在本pdf末尾的技术附录中找到。实现代码可在我们的GitHub仓库111https://github.com/Yahahasir/argu\_diversity/在线获取。
##### 相关工作。
[CyrasRagoAlbini21] 从可解释人工智能(XAI)的角度调查了基于论证的解释。[LiaoTorre20] 引入并研究了解释语义,该语义为每个被接受的论证关联一组这样的解释论证。[NiskanenJarvisalo20a] 和 [SaribaturWallnerWoltran20] 研究了论证被拒绝的相反情况,并分析了拒绝的原因。尽管已经研究了论证的计数复杂性 [FichteHecherMeier24],但结果并不适用于此处,因为我们的重点是扩展空间中元素之间的距离。有许多用于决策和推理任务的实用求解器 [EglyGagglWoltran08,NiskanenJarvisalo20,ThimmCeruttiVallati21,Alviano18,Alviano21],它们参与两年一度的ICCMA竞赛 [ThimmEtAl24]。
[MahmoodEtAl25] 为抽象论证提出了方面( facets),能够量化决策的重要性并研究计算复杂性。方面不捕捉包含它们的扩展的信息,而多样性衡量AF中接受的论证集合的(不)相似性。[bohl2023representative] 考虑了答案集编程中的多样性和代表性集合。[UlbrichtWallner21] 考虑了强解释,确保目标论证集合在包含解释集合的每个子框架中都是可接受的。[BesnardDoutreDuchatelle22] 研究了关于解释的对比性和非对比性问题。在约束编程 [HebrardHnichOSullivan05] 和答案集编程 [EiterErdemErdogan13] 中已经考虑过寻找相似和多样化解的问题。[Rodrigues19] 比较了用于系统枚举扩展的不同替代表示。[Coste\-MarquisKoniecznyMailly15] 使用汉明距离来定义强制算子,这与之前最小变化上下文中的工作类似 [Baumann12]。[DachseltGagglKrotzsch22] 开发了一个使用ASP方面导航论证框架的工具,更细粒度的推理模式也已在ASP中得到研究 [FichteHecherNadeem22]。注意,ASP导航基于通过完整性约束禁止或强制程序中的原子。
## 2 预备知识
我们假设读者熟悉计算复杂性 [DBLP:books/daglib/0092426]、图论 [DBLP:books/sp/BondyM08] 和布尔逻辑 [DBLP:series/faia/336]。
##### 复杂性类。
我们使用基本复杂性类的标准表示法,例如,P(NP)表示可在(非确定性)多项式时间内求解的决策问题类。此外,coNP表示其补问题属于NP的决策问题类,DP表示可表示为NP中问题与coNP中问题交集的决策问题类。在此基础上,我们使用多项式层次 [StockmeyerMeyer73,Stockmeyer76,Wrathall76] 中的更多类:Δ0P:=Π0P:=Σ0P:=P\\bm\{\\Delta\}^\{\{\\textbf{P}\}\}\_\{0\}\\mathrel\{\\mathop\{:\}\}=\\bm\{\\mathrm\{\\Pi\}\}^\{\{\\textbf{P}\}\}\_\{0\}\\mathrel\{\\mathop\{:\}\}=\\bm\{\\mathrm\{\\Sigma\}\}^\{\{\\textbf{P}\}\}\_\{0\}\\mathrel\{\\mathop\{:\}\}=\{\\textbf\{P\}\},对于 i\>0i\>0,ΔiP:=PΣi−1P\\bm\{\\Delta\}^\{\{\\textbf{P}\}\}\_\{i\}\\mathrel\{\\mathop\{:\}\}=\{\\textbf\{P\}\}^\{\\bm\{\\mathrm\{\\Sigma\}\}^\{\{\\textbf{P}\}\}\_\{i\-1\}\},ΣiP:=NPΣi−1P\\bm\{\\mathrm\{\\Sigma\}\}^\{\{\\textbf{P}\}\}\_\{i\}\\mathrel\{\\mathop\{:\}\}=\\textbf\{NP\}^\{\\bm\{\\mathrm\{\\Sigma\}\}^\{\{\\textbf{P}\}\}\_\{i\-1\}\},ΠiP:=coNPΣi−1P\\bm\{\\mathrm\{\\Pi\}\}^\{\{\\textbf{P}\}\}\_\{i\}\\mathrel\{\\mathop\{:\}\}=\\text\{co\}\\textbf\{NP\}^\{\\bm\{\\mathrm\{\\Sigma\}\}^\{\{\\textbf{P}\}\}\_\{i\-1\}\},其中 CDC^\{D\} 是决策问题类CC通过D类中某个完全问题的预言机增强后的类。复杂性类DPk\\textbf\{DP\}\_\{k\} 定义为 DPk:=\{L1∩L2∣L1∈ΣkP,L2∈ΠkP\}\\textbf\{DP\}\_\{k\}\\mathrel\{\\mathop\{:\}\}=\\\{L\_\{1\}\\cap L\_\{2\}\\mid L\_\{1\}\\in\\bm\{\\mathrm\{\\Sigma\}\}^\{\{\\textbf\{P\}\}\}\_\{k\},L\_\{2\}\\in\\bm\{\\mathrm\{\\Pi\}\}^\{\{\\textbf\{P\}\}\}\_\{k\}\\\},DP=DP1\\textbf\{DP\}\{=\}\\textbf\{DP\}\_\{1\} [LohreyRosowski23]。
合取范式(CNF)公式的布尔可满足性问题(SAT)询问:给定 φ=⋀i=1mCi\\varphi=\\bigwedge\_\{i=1\}^\{m\}C\_\{i\},其中每个 CiC\_\{i\} 是一个子句,判定 φ\\varphi 是否至少有一个满足赋值。SAT是最著名的NP完全问题之一,而其互补问题(检查不可满足性)是coNP完全的。此外,对于给定的一对公式 (φ,ψ)(\\varphi,\\psi),检查 φ\\varphi 是否可满足且 ψ\\psi 不可满足(即SAT-UNSAT问题)是DP完全的。对于 Π2P\\bm\{\\mathrm\{\\Pi\}\}^\{\{\\textbf\{P\}\}\}\_\{2\},通常考虑形如 ∀X∃Y\.φ\\forall X\\exists Y\.\\varphi 的量词布尔公式的求值问题,其中XX和YY是两个不相交的变量集合,φ\\varphi是关于XX和YY的CNF公式。最后,Σ2P\\bm\{\\Sigma\}^\{\{\\textbf\{P\}\}\}\_\{2\} 的问题是检查 ∀X∃Y\.φ\\forall X\\exists Y\.\\varphi 是否为假。
##### 抽象论证。
我们使用Dung的论证框架 [Dung95a],并仅考虑非空有限的论证集合AA。一个*(论证)框架(AF)* 是一个有向图 F=\(A,R\)F=\(A,R\),其中AA是论证集合,R⊆A×AR\\subseteq A\\times A 包含表示论证之间直接攻击的序对。令 E⊆AE\\subseteq A 且 a∈Aa\\in A 为一个论证。那么我们说 aa 在FF中被EE*辩护*,如果对于每个 (a′,a)∈R(a^\{\\prime\},a)\\in R,都存在 a′′∈Ea^\{\\prime\\prime\}\\in E 使得 (a′′,a′)∈R(a^\{\\prime\\prime\},a^\{\\prime\}) \\in R。家族 defF\(E\)\\operatorname\{def\}\_\{F\}\(E\) 定义为 defF\(E\):=\{a∣a∈A,ais defended byEinF\}\\operatorname\{def\}\_\{F\}\(E\)\\,\\mathrel\{\\mathop\{:\}\}=\\\{\\;a\\mid a\\in A,a\\text\{ is defended by $E$ in $F$\}\\;\\\}。在抽象论证中,目标是计算所谓的*扩展*,即具有某些性质的论证子集E⊆AE\\subseteq A。论证集合EE称为在FF中*无冲突的*,如果 (E×E)∩R=∅\(E\\times E\)\\cap R=\\emptyset;EE在FF中是*可接受的*,如果 (1) EE在FF中*无冲突*,且 (2) 每个 a∈Ea\\in E 在FF中被EE*辩护*。令 ER\+:=E∪\{a∣\(b,a\)∈R,b∈E\}E^\{\+\}\_\{R\}\\mathrel\{\\mathop\{:\}\}=E\\cup\\\{\\,a\\mid\(b,a\)\\in R,b\\in E\\,\\\} 且EE无冲突。那么,EE (1) 在FF中是*naive*的,如果不存在 E′⊃EE^\{\\prime\}\\supset E 在FF中无冲突;且 (2) 在FF中是*stage*的,如果不存在无冲突集 E′⊆AE^\{\\prime\}\\subseteq A 在FF中使得 ER\+⊊\(E′\)R\+E^\{\+\}\_\{R\}\\subsetneq\(E^\{\\prime\}\)^\{\+\}\_\{R\}。一个可接受集EE (1) 在FF中是*complete*的,如果 defF\(E\)=E\\operatorname\{def\}\_\{F\}\(E\)=E;(2) 在FF中是*preferred*的,如果不存在 E′⊃EE^\{\\prime\}\\supset E 是FF中*可接受*的;(3) 在FF中是*semi\-stable*的,如果不存在可接受集 E′⊆AE^\{\\prime\}\\subseteq A 在FF中使得 ER\+⊊\(E′\)R\+E^\{\+\}\_\{R\}\\subsetneq\(E^\{\\prime\}\)^\{\+\}\_\{R\};且 (4) 在FF中是*stable*的,如果每个 a∈A∖Ea\\in A\\setminus E 都被某个 a′∈Ea^\{\\prime\}\\in E*攻击*。对于语义 σ∈\{conf,naiv,adm,comp,stab,pref,semiSt,stag\}\\sigma\\in\\\{\\mathsf\{conf\},\\mathsf\{naiv\},\\mathsf\{adm\},\\mathsf\{comp\},\\mathsf\{stab\},\\mathsf\{pref\},\\mathsf\{semiSt\},\\mathsf\{stag\}\\\},我们记 σ\(F\)\\sigma\(F\) 为FF中所有σ\\sigma语义下的*扩展*的集合。令 F=\(A,R\)F=\(A,R\) 为一个AF。那么,问题 Existσ\\textsc相似文章
推理还是记忆?LLM强化学习中的方向感知多样性探索
本文介绍了DiRL,一种方向感知的强化学习框架,能够在LLM探索中区分推理驱动的多样性和记忆驱动的多样性。它从模型表示中提取内在的推理-记忆方向,并塑造奖励以优先考虑与推理一致的探索,在数学和通用推理基准上表现出改进。
BioDivergence:面向生物医学摘要中隐藏上下文矛盾的基准与评估框架
介绍BioDivergence,一个用于检测生物医学摘要中上下文条件矛盾的基准与评估框架,包含六类冲突分类法和一个由11,865个声明对构成的银标准数据集。
超越对齐:价值多样性作为多文化代理系统中的集体属性
本文定义了文化多样性作为多代理系统的一个新评估维度,通过测量对世界价值观调查响应的成对差异。实验表明,当前模型缺乏人类社会的价值多样性,混合骨干可以提高对齐和多样性,但交互会减少多样性。
A2RBench:一种自动化的可形式化验证抽象推理基准生成范式
本文介绍了A2RBench,一个用于为LLM生成可形式化验证的抽象推理基准的自动化流水线,它利用循环一致性来确保唯一解,并揭示当前LLM在3D推理任务上显著落后于人类。
多少思考才算够?量化与理解LLM推理中的冗余
本文形式化了LLM中的推理冗余,将其定义为在不影响正确性的情况下可截断的尾部步骤比例,在多个前沿模型上量化出61%-93%的冗余,并证明冗余是长度无关结果奖励的结构性后果。