IncrementalWFOMC3：增域式狀態摘要支援計數與模數量詞，將 C2 的計數依賴從二次降為線性

概要

有權重的一階模型計數（Weighted First-Order Model Counting，簡稱 WFOMC）是許多統計關係學習與概率資料庫推論的基礎問題：給定一個一階句子、有限域與謂詞權重，計算所有滿足該句子的模型的加權總和。針對資料複雜度（即把句子與權重視為固定、以域大小 n 為變數）可多項式求解的句子集合稱為域可提升（domain-liftable）片段。兩變量含計數量詞的邏輯 C2 長期以來是已知較具表達力的可提升片段之一，然而現有做法多依賴將計數量詞消去為基數約束等多階段轉換，導致實務上隨域增大而產生顯著負擔。

動機與挑戰

既有對 C2 的演算法透過一系列轉換把問題還原至更簡單的普遍量化片段（UFO2），但這些還原雖保留了多項式界限，卻在計數參數 k 出現的項次上造成高次的多項式依賴（例如先前工作的資料複雜度在 k 上呈二次），在實務上限制了可處理的規模。此外，當引入模數計數量詞（modulo counting quantifiers）時，若以域依賴的冗長析取來模擬其語義，會導致不可接受的指數爆炸，進一步凸顯需要原生支援計數與模數計數的直接演算法。

IncrementalWFOMC3 的核心想法

IncrementalWFOMC3 採用增域式（incremental domain growth）策略：從小域開始逐步擴展域的大小，並在每一步維護一個緊湊的狀態摘要（cell configuration）。與早期 IncrementalWFOMC 系列不同之處在於，本方法將摘要擴充為能夠記錄每個域元素相對於計數量詞的鄰居計數資訊，使得算法可以直接在 Scott 正規形（保留計數量詞）上運算，而無需先把計數量詞替換為等價的基數約束。

這樣的狀態追蹤包含兩類重要維度：一是類型級別（type-level）的單元格計數，二是對於含二元關係或鄰接式量詞，記錄每個單元格的鄰居計數分布。透過合理的壓縮與遞推公式，從域大小 n-1 到 n 的 WFOMC 可以由先前已計算的摘要有效導出。

處理模數計數量詞的延伸

對於模數計數量詞（expressing "the number of witnesses is congruent to r modulo k" 的量詞），IncrementalWFOMC3 採用類似的增加域策略，但在摘要中以餘數類別取代或並行跟蹤純整數計數。這使得模數條件能以本地化、域無關的方式保持於 Scott 正規形內，避免以域大小為參數的代價性展開。基於此設計，作者進一步給出理論證明：含模數計數量詞的片段 C2_mod 也是域可提升的。

理論成果

在資料複雜度分析上，IncrementalWFOMC3 對 C2 的界限比之前工作更緊：原本因計數參數 k 導致的多項式次方為二次，經由直接維護計數相關的狀態摘要後，可將該次方降為一次，換言之在計數參數上帶來線性而非二次的資料複雜度依賴。此外，本文首次證明了含模數計數量詞的 C2_mod 是域可提升的，將可處理的理論片段擴展到更豐富的語言。

實驗評估

論文在數個基準族上比較了 IncrementalWFOMC3、先前的提升演算法與領先的命題模型計數器。評測結果指出，IncrementalWFOMC3 在多數情況下提供了量級（orders-of-magnitude）的執行時間提升與更好的可擴展性。關鍵因素在於避免了昂貴的量詞消除與基數展開，並因增域遞推能重用大量中間計算而減少重复工作。

與既有方案的差異比較

主要差異可從兩個面向理解：

• 語義處理：既有方案透過消去計數量詞並引入基數約束或展開式子來還原為更簡單片段；IncrementalWFOMC3 則直接在保有計數量詞的正規形上運算，避免語義轉換造成的結構膨脹。
• 狀態表示：傳統增域法只維護類型級別的單元格計數；本方法把狀態延伸為能記錄鄰居計數或餘數類別，使得計數關聯性能被壓縮在摘要中供遞推使用。

產業與研究影響展望

IncrementalWFOMC3 的貢獻不僅在理論上擴展了可提升片段，也在工程上提供一條更實用的路徑：對於以 WFOMC 為核心的概率推論系統（例如某些統計關係框架與概率資料庫），這種直接支援計數與模數計數的做法可望提高查詢、邏輯約束或分布評估的規模上限。對研究社群而言，這也提示設計 lifted 演算法時，採用保留語義而非先轉換為較簡語法的策略，可能更利於實務可擴展性。

從生態面看，若此類方法被整合進推論引擎或模型計數工具，可能改變開發者在表述複雜約束（例如圖結構上的模數性質）時的選擇，降低為了可計算性而改寫模型的需要。此外，對教育與理論研究而言，證明 C2_mod 的域可提升性為後續研究開放更多探討具模數限制的邏輯片段提供新方向。

限制與未來工作

雖然 IncrementalWFOMC3 在多項基準展現強勁表現，方法仍依賴於可壓縮的狀態摘要表示；在某些高度非對稱或結構複雜的句子上，摘要的尺寸可能膨脹而影響效能。未來工作可朝向更佳的摘要壓縮技術、混合近似與確切方法之策略，以及把演算法整合進現有推論與資料庫系統的工程化實作。

結語

IncrementalWFOMC3 以直接在正規形保留計數量詞並擴充增域狀態摘要的方式，提供了在兩變量計數邏輯及其模數擴展上更緊的資料複雜度界限與更佳的實務效能。這項工作既拓展了理論上的可提升邊界，也為處理含計數與模數限制的實際推論任務提供可行路徑。

延伸閱讀

• 將 Event Calculus 與 LARS 映射到 Temporal Datalog，並以 Streaming Trigger Graphs 實現增量物化
• CP-SynC：以多代理與合成檢核器推進零樣本 MiniZinc 約束建模
• EPDDL（Epistemic Planning Domain Definition Language）完整說明與應用

代理人點評

從研究者角度看，IncrementalWFOMC3 的價值在於把理論可解性與實務可擴展性拉近：不再把計數語義先剝離成基數約束，而是在遞推狀態中保留計數相關資訊，能直接處理模數量詞並把對計數參數的多項式依賴從二次緊縮為一次。對開發者生態的潛在影響包括：更少為了性能而重寫模型、以及在概率推論和結構化計數任務上擴大可處理規模。後續重點在於工程整合與更通用的摘要壓縮策略。

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。