IJCAI

SRJudge: Empowering Large Language Models with Selective Reasoning for Fine-Grained Knowledge Concept Tagging

SRJudge：赋予大语言模型选择性推理能力以实现细粒度知识概念标注

Zhiwei Yang, Jiahua Yang, Huiru Lin, Xing Chen, Quanlong Guan

机构 * Guangdong Institute of Smart Education, Jinan University（暨南大学广东智慧教育研究院） ； School of Physical Education, Jinan University（暨南大学体育学院） ； Guangdong Provincial Key Laboratory of Speed Capability Research（广东省速度能力研究重点实验室） ； Sapient Intelligence Pte Ltd 纠错

AI总结 本文提出SRJudge三阶段框架，通过选择器缩小候选、推理器精细推理、评判器评估，增强大语言模型在细粒度知识概念标注中的选择性推理能力，并在生物和物理数据集上超越现有基线。

Comments Accepted by IJCAI 2026

Accessible, but Not Adopted: Increasing LLM Adoption among First-generation, Low-income (FGLI) College Students beyond Expanding Access

可访问但未被采纳：超越扩大访问以提升第一代低收入（FGLI）大学生对LLM的采纳

Hyungsik Kim

机构 * Harvard University（哈佛大学） 纠错

AI总结 本研究基于61次访谈，揭示FGLI大学生LLM采纳深度不足的障碍，提出四项设计原则，并将采纳重新定义为四种使用模式的深度梯度。

Comments Presented at the LM4UC Workshop at IJCAI 2026

TabKD: Tabular Knowledge Distillation through Interaction Diversity of Learned Feature Bins

TabKD: 通过学习特征箱的交互多样性实现表格知识蒸馏

Shovon Niverd Pereira, Krishna Khadka, Yu Lei

机构 * Department of Computer Science and Engineering, The University of Texas at Arlington（计算机科学与工程系，德克萨斯理工大学阿灵顿分校） 纠错

AI总结 提出TabKD方法，通过学习与教师决策边界对齐的自适应特征箱，生成最大化成对交互覆盖的合成查询，在表格数据知识蒸馏中显著提升学生-教师一致性。

Comments Accepted in 35th International Joint Conference on Artificial Intelligence IJCAI 2026

Connected EF1 Allocations Exist in Discrete Chore Cutting

离散杂务切割中存在连通的 EF1 分配

Ankang Sun, Bo Li

AI总结 本文基于 Simmons-Su 框架和 Sperner 引理，通过修改现有舍入技术，证明了离散杂务切割中存在连通的 EF1 分配。

Comments Full version of the paper appeared in IJCAI-ECAI 2026

TransSLR: A Lightweight Transformer for Sign Language Recognition

TransSLR：用于手语识别的轻量级Transformer

Lucia Yen Wanchi, Samuel Johnny, Victor Tolulope Olufemi, Emmanuel Aaron, Moise Busogi

机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校） 纠错

AI总结 针对CASL手语识别的低准确率问题，提出轻量级Transformer模型TransSLR，在CASL-W60基准上取得80.39%的最新准确率，且计算开销低，适用于资源受限环境。

Comments This paper has been accepted for oral presentation at Deep Learning Indaba 2026 which will be hosted on the IJCAI hosting platform. paper link: https://chairingtool.com/conferences/dli2026/main-track/submissions/356

LLARS: Enabling Domain Expert & Developer Collaboration for LLM Prompting, Generation and Evaluation

LLARS：促进领域专家与开发者协作的LLM提示、生成与评估系统

Philipp Steigerwald, Mara Stieler, Jennifer Burghardt, Eric Rudolph, Jens Albrecht

机构 * Technische Hochschule Nürnberg Georg Simon Ohm（图恩-努尔堡技术大学乔治·西蒙·奥姆学院） ； Faculty of Computer Science, Centre for Artificial Intelligence (KIZ)（计算机科学学院，人工智能中心（KIZ）） ； Faculty of Social Sciences, Institute for E-Counselling（社会科学学院，电子咨询研究所） 纠错

AI总结 LLARS通过整合协同提示工程、批量生成和混合评估模块，为构建LLM系统提供端到端流程，提升跨学科协作效率与准确性。

Comments Accepted at IJCAI-ECAI 2026 Demonstrations Track. Demo video: https://youtu.be/3QaKouwr4gU

Journal ref Proceedings of the Thirty-Fifth International Joint Conference on Artificial Intelligence (IJCAI-ECAI 2026), Demonstrations Track, pp. 8526-8529

Inversely Learning Transferable Rewards via Abstracted States

通过抽象状态逆向学习可迁移奖励

Yikang Gui, Prashant Doshi

机构 * THINC Lab, School of Computing University of Georgia（THINC实验室，计算学院，佐治亚大学） ； School of Computing and Institute for AI University of Georgia（计算学院和人工智能研究所，佐治亚大学） 纠错

AI总结 提出一种通过行为轨迹逆向学习抽象奖励函数的方法，并在未见过的领域实例中验证其可迁移性。

Comments Accepted at IJCAI 2026

Accounting for Bias Enables Sustainable LLM Evaluation

考虑偏差可实现可持续的LLM评估

Harshita Katoch, David Antony Selby, Gerrit Großmann, Sebastian Vollmer

机构 * University of Kaiserslautern–Landau (RPTU)（凯泽斯劳滕-兰道大学） ； German Research Centre for Artificial Intelligence (DFKI)（德国人工智能研究中心） 纠错

AI总结 针对LLM评判中的系统性偏差，提出统一潜变量框架联合建模成对与序数数据并显式校正混杂因素，以更少比较恢复可靠排名，实现统计严谨且可持续的评估。

Comments 8 pages, 2 figures; SuRE'26: Workshop on Sustainability and Resource-Efficiency of Artificial Intelligence at IJCAI-ECAI 2026

Policy as Code: A Coroutine-Bridge Harness for Fast-Reasoning Reliability on CAR-bench

策略即代码：用于CAR-bench快速推理可靠性的协程桥接框架

Ivan Matveev

机构 * Proxima Ultra 纠错

AI总结 提出协程桥接框架，让智能体仅生成可阻塞恢复的Python程序，将模型调用与工具往返解耦，在CAR-bench上以60% Pass^3赢得赛道2，延迟低至3.14秒，缓存命中率达78%。

Comments 4 pages, 1 figure, 3 tables. Technical report for the winning entry in Track 2 (Cerebras Fast-Reasoning) of the CAR-bench Challenge at IJCAI-ECAI 2026

A Streaming End-to-End Framework For Spoken Language Understanding

流式端到端口语理解框架

Nihal Potdar, Anderson R. Avila, Chao Xing, Dong Wang, Yiran Cao, Xiao Chen

机构 * University of Waterloo（滑铁卢大学） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出一种基于单向RNN和CTC准则的流式端到端框架，实现在线增量处理多个口语意图，在FSC数据集上达到约97%的准确率，媲美非流式模型。

Comments Accepted at IJCAI 2021

Six Layers Less: Encoder Pruning for Whisper with Label-Free Recovery

减少六层：基于无标签恢复的Whisper编码器剪枝

Rasmus Aagaard, Nicki Skafte Detlefsen

机构 * Technical University of Denmark（丹麦技术大学） ； Laerdal Medical（挪度医疗） 纠错

AI总结 针对Whisper编码器剪枝未广泛采用的问题，提出按逐层剔除的WER变化排序移除六层（占18.5%），并用无标签数据蒸馏恢复性能，平均WER从零样本21.9%降至20.1%。

Comments 4 pages, 5 figures, Generalizing from Limited Resources in the Open World workshop at International Joint Conference on Artificial Intelligence

Mitigating Entity Type Confusion in Cross-Domain NER via Multidimensional Quantification and Reasoning Enhancement

缓解跨领域命名实体识别中的实体类型混淆：基于多维量化与推理增强

Jingyu Wang, Shijie Wu, Fusheng Jin

机构 * Beijing Institute of Technology（北京理工大学） 纠错

AI总结 针对跨领域命名实体识别中的实体类型混淆问题，提出多维混淆量化模型与渐进式双向推理链，利用大语言模型推理增强知识，在CrossNER数据集上取得最先进结果。

Comments 9 pages, 3 figures, Accepted at IJCAI-ECAI 2026

Learning to Route LLMs from Implicit Cost-Performance Preferences via Meta-Learning

通过元学习从隐式成本-性能偏好中学习路由LLM

Jiahao Zeng, Ming Tang, Ningning Ding

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Southern University of Science and Technology（南方科技大学） 纠错

AI总结 提出MetaRouter框架，利用元学习从少量交互中学习用户隐式成本-性能偏好，实现个性化LLM路由，在分布内外任务上优于基线方法。

Journal ref Proceedings of the Thirty-Fifth International Joint Conference on Artificial Intelligence (IJCAI 2026), pp. 6045-6053, 2026

When More Parameters Hurt: Foundation Model Priors Amplify Worst-Client Disparity Under Extreme Federated Heterogeneity

当更多参数有害：基础模型先验放大极端联邦异质性下的最差客户端差异

Kiran Naseer, Umar Shoaib

机构 * University of Gujrat（瓜尔杰特大学） 纠错

AI总结 研究发现，在极端联邦异质性下，基础模型先验可能加剧最差客户端的差异，通过实验对比文本分类中TextCNN与DistilBERT+LoRA的表现，揭示FM公平性悖论。

Comments 7 pages, 5 figures. Accepted at FL@FM-IJCAI 2026 Workshop, Bremen, Germany

TCDA: Thread-Constrained Discourse-Aware Modeling for Conversational Sentiment Quadruple Analysis

TCDA：基于对话的线程约束模型用于对话情感四元分析

Xinran Li, Xinze Che, Yifan Lyu, Zhiqi Huang, Xiujuan Xu

机构 * School of Software, Dalian University of Technology（大连理工大学软件学院） ； School of Data and Computer Science, Sun Yat-sen University（中山大学数据与计算机科学学院） 纠错

AI总结 本文提出TCDA框架，结合线程约束有向无环图和话语感知旋转位置嵌入，解决对话情感四元分析中复杂关系捕捉问题，实验表明其性能优于现有方法。

Comments Accepted to IJCAI 2026 (Main Track)

Journal ref Proceedings of the Thirty-Fifth International Joint Conference on Artificial Intelligence (IJCAI 2026), pp. 5810-5818, 2026

SMaRT: Online Reusable Resource Assignment and an Application to Mediation in the Kenyan Judiciary

SMaRT：在线可重用资源分配及其在肯尼亚司法调解中的应用

Shafkat Farabi, Didac Marti Pinto, Wei Lu, Manuel Ramos-Maqueda, Sanmay Das, Antoine Deeb, Anja Sautmann

机构 * Virginia Tech（弗吉尼亚理工学院） ； University College London（伦敦大学学院） ； The World Bank（世界银行） 纠错

AI总结 本文提出SMaRT算法，解决肯尼亚司法系统中调解员分配问题，通过二次规划和多智能体老虎机框架实现资源分配与学习，提升任务完成率并平衡容量约束与案件解决率。

Comments Accepted for Publication at IJCAI 2026

Large-Scale Trade-Off Curve Computation for Incentive Allocation with Cardinality and Matroid Constraints

大规模激励分配中具有基数与拟阵约束的权衡曲线计算

Yu Cong, Chao Xu, Yi Zhou

AI总结 针对大规模激励分配问题，提出在基数与拟阵约束下近似维持预算-利润权衡曲线的方法，实现近实时计算。

Comments Published in IJCAI 2025. This version correct several mistakes. The main results and experimental findings remain unchanged

A Qualitative Model for Reasoning about Path and Support

关于路径与支撑推理的定性模型

Abhishek Jaiswal, Zoe Falomir

机构 * Umeå University（于默奥大学） 纠错

AI总结 本文针对Camelot Jr.积木拼图游戏，提出一种结合质心稳定性逻辑的混合定性推理模型，以支持空间技能训练和可解释的游戏智能体开发。

Comments Workshop on Qualitative Reasoning 2026 at IJCAI (35th International Joint Conference on Artificial Intelligence)

SynCABEL: Synthetic Contextualized Augmentation for Biomedical Entity Linking

SynCABEL：面向生物医学实体链接的合成上下文增强

Adam Remaki, Christel Gérardin, Eulàlia Farré-Maduell, Martin Krallinger, Xavier Tannier

机构 * Sorbonne Université, Inserm, Université Sorbonne Paris Nord, Limics（索邦大学、国家医学研究院、巴黎索邦大学、Limics） ； Service de médecine interne, Hôpital Tenon, Assistance Publique - Hôpitaux de Paris（内科服务部，Tenon医院，巴黎公共医院） ； Barcelona Supercomputing Center, Barcelona, Spain（巴塞罗那超级计算中心，西班牙巴塞罗那） 纠错

AI总结 SynCABEL通过利用大型语言模型生成丰富的上下文合成训练示例，解决了监督式生物医学实体链接中专家标注数据稀缺的问题，并在三个多语言基准上实现了新的最先进的结果。

Comments 7 pages, 5 figures

Journal ref Proceedings of the Thirty-Fifth International Joint Conference on Artificial Intelligence (IJCAI 2026)

Sufficient Decision Proxies for Decision-Focused Learning

决策聚焦学习中的充分决策代理

Noah Schutte, Grigorii Veviurko, Krzysztof Postek, Neil Yorke-Smith

AI总结 本文提出了一种新的决策代理方法，用于决策聚焦学习，通过分析问题性质来提高决策质量，同时保持学习任务的复杂度。

Comments 13 pages, 5 figures

Journal ref Proceedings of the Thirty-Fifth International Joint Conference on Artificial Intelligence, IJCAI-26, pages 2337-2345, 2026

Clueing up LLMs with Tool-Augmented Deductive Reasoning

用工具增强的演绎推理为LLM提供线索

Rebecca Ansell, Autumn Toney-Wails

机构 * Georgetown University（乔治城大学） ； Syntheos, Corp（Syntheos公司） ； UNU-MERIT（联合国大学-马斯特里赫特经济与社会创新研究所） 纠错

AI总结 本研究在Clue棋盘游戏环境中，通过工具增强的可能性矩阵将推理日志转为显式状态，提升LLM智能体的多步演绎推理能力，并显著优于基线。

Journal ref IJCAI 2026 Workshop Logical and Symbolic Reasoning

Federated stochastic bilevel optimization with fully first-order gradients

联邦随机双层优化：仅需一阶梯度的方法

Yihan Zhang, Rohit Dhaipule, Chiu C Tan, Haibin Ling, Hongchang Gao

机构 * Temple University（天普大学） ； Stony Brook University（石溪大学） 纠错

AI总结 针对联邦随机双层优化中计算二阶矩阵导致运行时间长的问题，提出仅用一阶梯度并采用常数单时间尺度学习率的方差缩减算法，显著降低运行时间，实验验证有效。

Comments Accepted for publication in the Proceedings of the Thirty-Fourth International Joint Conference on Artificial Intelligence (IJCAI 2025). The official version is available at https://doi.org/10.24963/ijcai.2025/784

Journal ref In Proceedings of the Thirty-Fourth International Joint Conference on Artificial Intelligence (IJCAI 2025) (pp. 7047-7055)

Human-in-the-Loop Meta Bayesian Optimization for Fusion Energy and Scientific Applications

人机协同元贝叶斯优化用于聚变能与科学应用

Ricardo Luna Gutierrez, Sahand Ghorbanpour, Rahman Ejaz, Varchas Gopalaswamy, Riccardo Betti, Vineet Gundecha, Aarne Lees, Soumyendu Sarkar

机构 * Hewlett Packard Enterprise（惠普企业公司） ； University of Rochester（罗切斯特大学） 纠错

AI总结 本文提出HL-MBO框架，结合专家知识与少样本不确定性感知机器学习，加速数据稀缺的高风险科学领域发现，优于现有BO方法在聚变能优化和超导材料优化中的表现。

Comments Accepted at IJCAI 2026 (35th International Joint Conference on Artificial Intelligence)

A Finite-State Controller Based Offline Solver for Deterministic POMDPs

一种基于有限状态控制器的确定性POMDP离线求解器

Alex Schutz, Yang You, Matias Mattamala, Ipek Caliskanelli, Bruno Lacerda, Nick Hawes

机构 * University of Oxford（牛津大学） ； UK Atomic Energy Authority（英国原子能局） 纠错

AI总结 针对智能体状态不确定但行动观测确定的DetPOMDP规划问题，提出以有限状态控制器构建策略的DetMCVI算法，其求解大规模问题成功率优于现有基准，且在真实机器人森林建图场景中得到验证。

Comments 9 pages, 6 figures. Appendix attached. To be published in Proceedings of IJCAI 2025. For code see http://github.com/ori-goals/DetMCVI

Journal ref Proceedings of the Thirty-Fourth International Joint Conference on Artificial Intelligence Main Track. Pages 8617-8625. (2025)

DGCPath: Distribution-Aware Generative Contrastive Framework for Self-supervised Path Representation Learning -- Extended Version

DGCPath：面向自监督路径表示学习的分布感知生成对比框架——扩展版

Sean Bin Yang, Hao Miao, Zongyi Xu, Jilin Hu, Xiangmeng Wang, Hua Lu, Bin Yang, Christian S. Jensen

机构 * Aalborg University（奥尔堡大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Chongqing Univeristy of Posts and Telecommunications（重庆邮电大学） ； East China Normal University（华东师范大学） 纠错

AI总结 DGCPath提出分布感知生成对比框架，结合扩散视图生成、变分对比与交叉监督，在三个真实轨迹数据集上超越基线，提升路径表示泛化能力。

Comments This paper is an extended version of DGCPath, which was published at IJCAI 2026

When Superpixels Fail on Documents: A Study of Segmentation for LIME Explanations

当超像素在文档上失效：面向LIME解释的分割方法研究

Quentin Telnoff, Emanuela Boros, Mickaël Coustaty, Robin Jarry, Fabrice Crohas, Antoine Doucet

机构 * L3i, University of La Rochelle（拉罗谢尔大学L3i研究所） ； Itesoft（Itesoft公司） 纠错

AI总结 本研究针对文档图像分类中的LIME解释，发现标准超像素分割与文档结构不匹配，提出文档感知分割（基于OCR边界框和网格）能产生更稳定、更忠实的解释，并暴露识别码捷径偏差，强调分割应作为解释方法的一部分。

Comments 9 pages, 6 figures, 1 table, XAI Workshop @ IJCAI 2026

Parameterized and Streaming Algorithms for Euclidean Fair $k$-Center Clustering

参数化与流式算法用于欧几里得公平 $k$-中心聚类

Zeyu Lin, Chaoqi Jia, Longkun Guo, Chao Chen

机构 * Fuzhou University（福州大学） ； RMIT University（皇家墨尔本理工大学） 纠错

AI总结 针对欧几里得公平k-中心聚类问题，提出参数化近似算法（比率2.732）及流式算法（比率4.464），并优化至2.414和3.828，另设计多项式时间流式算法（比率4.732改进至4.42），实验验证聚类精度显著优于现有方法。

Journal ref Proceedings of IJCAI 2026

Dynamic Heterogeneous Graph Representation Learning: A Survey

动态异构图表示学习：综述

Huan Liu, Pengfei Jiao, Jie Yin, Hongjiang Chen, Zhidong Zhao

机构 * School of Cyberspace, Hangzhou Dianzi University（杭州电子科技大学网络空间学院） ； The University of Sydney（悉尼大学） ； Zhejiang Provincial Key Laboratory for Sensitive Data Security Protection and Confidentiality Management（浙江省敏感数据安全保护与保密管理重点实验室） 纠错

AI总结 本综述首次系统回顾动态异构图表示学习方法，提出涵盖离散与连续时间DHG的统一定义及以算法为中心的分类法，总结其应用、数据集与基准，并指出未来研究方向。

Comments IJCAI 2026 Survey Track

Fast Surrogate Modeling of Excitable and Oscillatory FitzHugh-Nagumo Dynamics with Parametric Neural Operators

基于参数化神经算子的可激发与振荡型FitzHugh-Nagumo动力学的快速代理建模

Andrew Franck, Justin Li

机构 * Occidental College（西方学院） 纠错

AI总结 该研究针对FitzHugh-Nagumo系统，用参数条件傅里叶神经算子作为快速可微代理，在两种动力学状态下实现高精度、高速度的模拟，可用于神经调节相关的参数扫描。

Comments Human Brain & AI @ International Joint Conferences on Artificial Intelligence (IJCAI) 2026

When Vision Meets Graphs: A Survey on Graph Reasoning and Learning

当视觉遇上图：图推理与学习综述

Xinjian Zhao, Wei Pang, Zhixuan Yu, Xiangru Jian, Xiaozhuang Song, Yaoyao Xu, Zhongkai Xue, Dingshuo Chen, Shu Wu, Philip Torr, Tianshu Yu

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Waterloo（滑铁卢大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Oxford（牛津大学） 纠错

AI总结 本综述首次系统概述“视觉遇上图”领域，将图的视觉表征作为推理与学习的一级输入，梳理相关研究方向，旨在推进能像科学家一样处理图的基础模型。

Comments IJCAI Survey Track, 2026