【AAAI 2022】299页PPT，NUS最全《自动合成》教程

功能性合成是将输出合成为输入函数的问题，同时满足输入和输出之间的声明性关系规范。本教程概述了最近的方法，这些方法结合了自动推理、知识编译和机器学习方面的进步，以解决各种实际的功能合成问题。鉴于合成在计算机科学中的根本重要性，除了与核心 AI 相关的论坛之外，该领域的最新进展已在多个论坛中得到报道。

本教程围绕三个新兴的合成研究方向：

• 基于知识编译的方法： 受到贝叶斯推理中知识编译方法成功的启发；这些方法侧重于将规范编译成一种表示语言，从该语言中可以轻松导出所需的程序/功能。

• 反例引导技术：这些方法涉及对所需系统的智能初始“猜测”，然后使用高效求解器检查猜测是否满足用户要求，如果不满足则逐步修复系统。这种方法非常成功在不同的合成设置中。

• 数据驱动的综合：这些方法专注于利用约束采样的最新进展来生成数据（或示例），然后将其馈送到机器学习技术以生成初始候选函数。随后，如果有必要，将使用无法满足的核心计算和分析的进展来修复生成的功能/程序。