二元道德理論 (TDM)
以結構因果模型代數化二元道德理論：讓神經符號系統可計算道德判斷
本文把「二元道德理論」（TDM）用代數與結構因果模型（SCM）形式化，將道德判斷抽象為「代理人→傷害→受害者」的雙節點範本，並提出三個心理運算子：類型鑑定、補全與情感相依推論，以擴充標準 SCM 描述人類道德推理的偏差。
神經符號 AI
神經符號 AI
神經符號式強人工智慧機器人：閉合知識假設與 Belnap 雙格推理框架
本研究在強人工智慧機器人領域引入閉合知識假設，利用 Belnap 四值雙格處理未知與矛盾資訊，並結合神經網路與符號推理以實現因果導向的邏輯推斷。結果顯示，機器人可在學習過程中持續擴充知識庫，同時保有受控安全性與對悖論的容錯能力，對通用人工智慧的安全與可解釋性具有重要影響。
規格驅動開發
規格驅動開發加速企業級自主編碼代理人效能與可靠性
在軟體開發進入規格驅動時代的背景下，AWS 推出以規格為核心的自主編碼代理人技術，透過屬性測試與神經符號 AI 自動驗證程式正確性，實現功能開發從兩週縮減至兩天，提升企業開發效率與安全性。
可解釋 AI
利用 ILASP 邏輯編程提升神經網路推薦系統的可解釋性與透明度
面對神經網路推薦系統的「黑盒」特性，研究人員提出一種基於 ILASP 的事後（Post-hoc）歸納邏輯編程法，事後地將神經網路的預測結果轉化為可解釋的邏輯規則。透過 PCA 維度降低，克服高維度特徵挑戰，在食譜偏好學習中成功將黑盒模型近似化，提升推薦系統的透明度與可信度。