概率抽象论证复杂性：超越独立性

本文探讨了概率抽象论证（prAAFs）中基本问题的复杂性，尤其是在超越传统独立性假设的背景下。概率抽象论证框架作为一种工具，旨在模拟多人之间的论证过程，包括支持论据和反驳的可能性。自抽象论证框架（AAF）的提出以来，该领域已取得了显著进展，特别是对于验证和接受问题的研究，这些问题在经典理论中与FP到FP#P-Complete的复杂性层次相关。 传统的研究假设参数（论证支持）和失败（反驳）之间的独立性，然而，这限制了对复杂性理解的全面性。为了突破这一局限，本文引入了一种新的prAAF形式，称为gen，它基于世界集描述符和世界集集，这种范例允许表达不同形式的相关性。gen的引入不仅增加了表征的灵活性，还提升了表达能力，使得复杂性分析能够考虑到参数和失败之间的强相关性。 gen的高表达性和紧凑性使其成为研究论证/失败关系复杂性变化的理想平台，因为它提供了一种用户友好的方式来定义相关性的可能性。通过这个新形式，作者们得以深入剖析prAAFs在不同表征范式和复杂性条件下的行为，从而揭示了这些因素如何影响论证问题的难度。 这项工作的重要性在于，它不仅扩展了我们对prAAFs复杂性的理解，而且独立于现有文献，它为处理更为复杂的真实世界情境中的论证提供了理论基础。通过gen，研究者能够探索论证复杂性的新边界，这对于人工智能领域，特别是在对话系统、决策制定以及处理不确定性的情境中，具有实际的应用价值。 这篇文章的主要贡献是揭示了在考虑参数和失败之间非独立性时，概率抽象论证的基本问题如何展现出更丰富的复杂性层次，并为后续的研究提供了新的方法论工具。未来的工作可能会围绕着gen的进一步发展，以及如何将这些理论应用到实际的人工智能系统设计中。