在人们的日常工作和生活中，逻辑推理无处不在。为了使得人工智能能够模拟人类的各种推理，需要建立各种形式推理系统。如果作为推理前提的信息是完全确定的、无冲突的，那么推理系统相对简单。然而，在大多数情况下，提供给推理系统的信息是不确定的、不一致的。这就要求推理系统能够处理异常和冲突。这个要求使得系统变得复杂和难以实现。在大数据背景下，如何简化形式推理系统，并使得推理过程可理解和可解释，是一个很值得研究的重大课题。近年来，人们通过采用一种分层抽象的方式来建立推理系统，取得了重要进展。由于此类系统模拟人类的日常论辩，通常被称之为“计算论辩”（computational argumentation）。其基本特点是将推理分为局部和全局两个层面，前者处理局部推出关系，后者处理不同局部之间的冲突关系。这种分层和抽象化处理不仅简化了系统建模，同时也从根本上提高了系统的通用性、易理解性、可实现性和可解释性。不过，分层抽象带来的问题是不同层面之间的衔接和配合问题。多年来，该问题一直是计算论辩研究领域的重点和难点。最近，浙江大学“大数据＋推理与决策创新团队”廖备水教授与国外合作伙伴在这个问题上取得重大突破。所建立的系统化的理论成果在人工智能领域顶级期刊《Artificail Intelligence》上发表。该理论的建立，对于推动计算论辩的研究及其在相关领域的应用有着重大的理论意义。