IJCAI

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

From Metaheuristics to Exact Methods: A CP-SAT Approach for Multi-Objective Healthcare Workforce Scheduling

从元启发式算法到精确方法：面向多目标医护人员排班的CP-SAT方法

Vipul Patel, Anirudh Deodhar, Dagnachew Birru

机构 * Phi Labs, Quantiphi（Quantiphi公司旗下Phi Labs） 纠错

AI总结 该研究针对医护排班问题，提出CP-SAT约束规划模型，可满足14个硬约束与15个软目标，在18个实例上验证了其零违规、最优性及可扩展性，服务质量较MOGA提升50-67%。

Comments 13 pages, 10 tables. Accepted at MODeM Workshop, IJCAI-ECAI 2026. Extends arXiv:2607.05177

RegionCache: Semantic-Aware Region Reuse for Efficient Multi-Turn Image Generation

RegionCache：面向高效多轮图像生成的语义感知区域复用

Peizheng Li, Xin Ai, Hanyuan Liu, Qiange Wang, Yanfeng Zhang

机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） 纠错

AI总结 针对多轮图像编辑中现有DiT方法的冗余计算问题，提出RegionCache框架，通过语义感知的区域复用实现1.43-2.55倍端到端加速且保持图像质量。

Comments Accepted at IJCAI 2026

Spatial-Temporal Decoupled Adapter for Micro-gesture Online Recognition

面向微手势在线识别的时空解耦适配器

Xucheng Shen, Kun Li, Fei Wang, Wei Qian, Jin Jiang, Dan Guo

机构 * Hefei University of Technology（合肥工业大学） ； United Arab Emirates University（阿联酋大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（人工智能研究院，合肥国家综合科学中心） ； Anhui Evolution Technology Co., Ltd.（安徽进化科技有限公司） 纠错

AI总结 提出时空解耦适配器，通过轻量级深度可分离卷积将视频适配分解为独立的时间和空间分支，并引入自适应软平衡增强缓解长尾分布问题，在EI-MiGA挑战赛Track 2中取得第一名。

Comments Technical Report. 1st Place in Micro-gesture Online Recognition in 4th MiGA at IJCAI 2026

GATES: Cost-aware Dynamic Workflow Scheduling via Graph Attention Networks and Evolution Strategy

Ya Shen, Gang Chen, Hui Ma, Mengjie Zhang

机构 * Centre for Data Science and Artificial Intelligence & School of Engineering and Computer Science（数据科学与人工智能中心及工程与计算机科学学院） 纠错

Comments This paper has been accepted by the 34th International Joint Conference on Artificial Intelligence (IJCAI-2025)

Journal ref Proceedings of the Thirty-Fourth International Joint Conference on Artificial Intelligence (IJCAI-25), pp. 8635-8643, 2025

Active Diffusion-Based Inference for Ill-Posed Inverse Problems under Incomplete Priors

基于主动扩散的不完备先验下不适定逆问题推理方法

Jitao Xu, Nobuo Sato, Yaohang Li

机构 * Old Dominion University（奥多明尼昂大学） ； Jefferson Lab（杰斐逊实验室） 纠错

AI总结 该研究针对不完备先验下的不适定逆问题，提出主动扩散模型求解器，通过后验不确定性修正模型误设，在两类任务上验证了其鲁棒推理的有效性。

Comments Accepted for publication in the Proceedings of IJCAI-ECAI 2026

Dynamic Haven Selection for Multi-Agent Pickup and Delivery in Constrained Warehouses

受限仓库中多智能体取送货任务的动态避风港选择

Taisei Hirayama, Kohei Yoshida, Hiroki Sakaji, Itsuki Noda

机构 * Hokkaido University（北海道大学） ； Toyota Industries Corporation（丰田工业株式会社） 纠错

AI总结 针对受限仓库多智能体取送货任务的固定避风港缺陷，提出自适应SHARP方法，经大量实验验证其在总完成时间上显著优于SHARP，树形地图中位数减少16.7%

Comments 19 pages, 4 figures, and 3 tables. Accepted at the Joint Workshop on Planning for Complex Real-World Applications (CAIPI) and Bridging the Gap Between AI Planning and (Reinforcement) Learning (PRL), co-located with IJCAI-ECAI 2026

VGA-BenchV2: An Expanded Unified Benchmark and Multi-Model Framework for Evaluating Video Aesthetics and Generation Quality

VGA-BenchV2：用于评估视频美学与生成质量的扩展统一基准及多模型框架

Longteng Jiang, DanDan Zheng, Qianqian Qiao, Heng Huang, Huaye Wang, Yihang Bo, Bao Peng, Jingdong Chen, Jun Zhou, Xin Jin

机构 * Ant Group（蚂蚁集团） ； Beijing Film Academy（北京电影学院） ； Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院） 纠错

AI总结 该研究提出扩展的视频评估基准VGA-BenchV2，构建混合评估器架构，并将其作为奖励模型优化视频生成器，实现从基准到模型优化的闭环，提升视频的美学质量与人类偏好对齐性。

Comments IJCAI 2026

Addressing the Selection Problem in Explainable AI

解决可解释人工智能中的选择问题

Claire Vlases, Katelyn Morrison

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 针对可解释人工智能（XAI）中用户难以选择合适技术的问题，研究提出多智能体大语言模型（LLM）编排工具，将用户查询转化为对应XAI解释技术，以解决选择问题。

Comments Accepted to the Workshop on Explainable Artificial Intelligence at the International Joint Conference on Artificial Intelligence 2026 (XAI@IJCAI26)

Evaluation of Small Vision-Language Models on Qualitative Mechanical Problems

小型视觉-语言模型在定性力学问题上的评估

Henry Fordjour Ansah, Shreya Banerjee, Pranish Ghimire

机构 * Louisiana State University of New Orleans（新奥尔良路易斯安那州立大学） 纠错

AI总结 本研究评估Gemma-3和Qwen-VL两个多模态模型解读力学问题图像的能力，通过思维链评估其推理过程，对比答案测准确率，为小型视觉-语言模型在定性力学问题上的应用提供评估依据。

Comments 8 pages, 11 figures

Journal ref Proceedings of the IJCAI Workshop on 38th International Workshop on Qualitative Reasoning (QR 2025). 2025

Reaching the Tail: Calibration Diversity Drives Conformal Coverage under Data Scarcity

触及尾部：数据稀缺下校准多样性驱动保形覆盖率

Donald Aadithiyan

机构 * University of Moratuwa（莫拉图瓦大学） 纠错

AI总结 本文针对长宏观经济序列数据稀缺下的多期罕见事件预测难题，提出基于校准多样性的策略，将六个月覆盖率从67.8%提升至81.4%，并量化了诚实评分下六个月覆盖率能否达90%的待解问题。

Comments Accepted for presentation at the GlobalSouthAI D&I Workshop at IJCAI 2026, Held in Bremen Germany on 17th August 2026

Reading the Room: Implicit Confusion Encoding in Recurrent World Model States

读取房间：循环世界模型状态中的隐式困惑编码

Donald Aadithiyan

机构 * University of Moratuwa（莫拉图瓦大学） 纠错

AI总结 该研究发现RSSM架构世界模型（如DreamerV3）的隐藏状态$h_t$含隐式困惑信号，经线性探针、编辑验证其因果性，该信号可在多数控制任务中泛化。

Comments Accepted for presentation at the GlobalSouthAI D&I Workshop at IJCAI 2026. Held in Bremen, Germany on the 17th August 2026

Quantum-Inspired Hybrid Neural Networks for Neural Decoding: A Controlled Ablation Study of Learnable Quantum Sidecar Integration

用于神经解码的量子启发混合神经网络：可学习量子边载集成的受控消融研究

Diana Legziel Levy, Menachem Finkelstein, Peter Chin, Eilon Vaadia, Sarel Cohen

机构 * Reichman University（赖赫曼大学） ； Dartmouth College（达特茅斯学院） ； The Hebrew University of Jerusalem（耶路撒冷希伯来大学） 纠错

AI总结 本研究通过受控消融实验，探究将PQCs作为残差边载模块集成到ResNet-50中用于神经解码的效果，发现骨干梯度训练投影的量子边载模型可提升准确率，测量引导训练能改善表征几何，且未实现量子计算优势。

Comments Accepted at the 5th International Workshop on Human Brain and Artificial Intelligence (HBAI 2026), IJCAI-ECAI 2026

Clinically Aware Synthetic Image Generation for Concept Coverage in Chest X-ray Models

临床感知的合成图像生成用于胸部X光模型的概念覆盖

Amy Rafferty, Rishi Ramaesh, Ajitha Rajan

机构 * University of Edinburgh（爱丁堡大学） ； NHS Lothian（洛锡安国家健康服务） 纠错

AI总结 提出CARPA框架，通过解剖约束的概念扰动生成合成胸部X光图像，扩展临床概念覆盖，提升模型性能与可靠性。

Comments Accepted for presentation at the IJCAI-ECAI 2026 RobustifAI workshop

DiverValue-Bench: A Benchmark and Fine-Tuning Framework for Aligning Large Language Models with Diverse Human Values

DiverValue-Bench：用于使大语言模型与多元人类价值观对齐的基准及微调框架

Yao Liang, Dongcheng Zhao, Feifei Zhao, Guobin Shen, Yuwei Wang, Dongqi Liang, Yi Zeng

AI总结 该研究推出覆盖74个国家/地区的人群感知基准DiverValue-Bench，发现现有LLMs存在地理与人口统计学价值观对齐差异，结合LoRA与DPO的轻量微调可提升对齐效果，为全球公平AI开发提供实用基础。

Comments 11 pages, 5 figures. Accepted to IJCAI-ECAI 2026 (Human-Centred AI Special Track). v2: Updated to the camera-ready version

An Information-theoretic Propagation Denoising and Fusion Framework for Fake News Detection

用于假新闻检测的信息论传播去噪与融合框架

Mengyang Chen, Lingwei Wei, Wei Zhou, Songlin Hu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） 纠错

AI总结 针对假新闻检测中合成传播数据不可靠的问题，提出InfoPDF框架，通过互信息学习真实与合成传播的有效表示，在多个数据集上实现更优检测性能。

Comments Camera-ready version for IJCAI-ECAI 2026

PATE-Forensics: Perception-as-Tool for Explainable Deepfake Forensics with General-Purpose MLLMs

PATE-Forensics：以通用多模态大语言模型（MLLM）为工具的可解释深度伪造取证方法

Yaqi Li, Jielun Peng, Yabin Wang, Jincheng Liu, Xiaopeng Hong

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 本研究提出PATE-Forensics，采用“感知即工具”范式，基于DINOv3构建取证感知工具，结合通用MLLM实现可解释深度伪造取证，在DDL-X Track 3数据集上取得0.89的最佳官方分数，较次席高出0.19分。

Comments 9 pages, 3 figures, 2 tables; DDL-X Track 3, IJCAI 2026 AI Safety Workshop

Quantifying Risk Under Evolving Uncertainty: Belief-Dependent Robustness for Safe Sequential Decision Making

演化不确定性下的风险量化：面向安全序贯决策的信念依赖鲁棒性

Deep Kumar Ganguly, Jan Kretinsky

机构 * Technical University of Munich（慕尼黑工业大学） ； Masaryk University（马萨里克大学） 纠错

AI总结 本文提出RATTL算法，将智能体谨慎程度与认知不确定性绑定，证明其规划问题适定且满足安全三明治性质，可保障LLM等智能体在不确定性下的运行时安全。

Comments Accepted for presentation at the IJCAI-ECAI 2026 RobustifAI workshop

Evaluating RL Explainability Methods by How Much They Help Fix Bugs in Agents

通过可解释强化学习（XRL）方法对修复智能体Bug的帮助程度来评估XRL方法

Ram Rachum, Yotam Amitai, Bálint Gyevnár, Reuth Mirsky, Cameron Allen

机构 * University of California, Berkeley（加州大学伯克利分校） ； Tufts University（塔夫茨大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出EvalXRL基准，通过大型语言模型编码智能体结合XRL方法诊断修复RL智能体故障的效果，实现对多种XRL方法的首次闭环直接对比评估。

Journal ref Proceedings of the Workshop on Explainable Artificial Intelligence (XAI) at IJCAI-ECAI 2026, Bremen, Germany

BXRL: Behavior-Explainable Reinforcement Learning

BXRL: 可解释的行为强化学习

Ram Rachum, Yotam Amitai, Yonatan Nakar, Reuth Mirsky, Cameron Allen

AI总结 本文提出BXRL，将行为作为首要对象，定义行为度量函数并探讨如何通过对比行为解释策略。

Journal ref Proceedings of the Workshop on Explainable Artificial Intelligence (XAI) at IJCAI-ECAI 2026, Bremen, Germany

Vision Transformers for End-to-End Quark-Gluon Jet Classification from Calorimeter Images

用于量能器图像中夸克-胶子喷注端到端分类的视觉Transformer

Md Abrar Jahin, Shahriar Soudeep, Arian Rahman Aditta, M. F. Mridha, Nafiz Fahad, Md. Jakir Hossen

机构 * University of Southern California American International University-Bangladesh Khulna University of Engineering \& Technology Multimedia University 纠错

AI总结 本研究以2012年CMS开放数据为基础，系统评估ViT及ViT-CNN混合模型，发现其在夸克-胶子喷注分类任务中优于CNN基线，建立了相关系统框架与基准。

Comments Accepted in Third International Workshop on Generalizing from Limited Resources in the Open World Workshop at International Joint Conference on Artificial Intelligence (IJCAI) 2025

Journal ref Communications in Computer and Information Science (2025), vol 2640. Springer

PL-Guard: Probabilistic Logic Reasoning for LLM Guardrails

PL-Guard：面向大语言模型安全护栏的概率逻辑推理

Satchit Chatterji, Shihan Wang, Giovanni Sileno, Erman Acar

机构 * University of Amsterdam（阿姆斯特丹大学） ； Utrecht University（乌得勒支大学） 纠错

AI总结 该研究提出神经符号安全护栏架构PL-Guard，通过分离神经落地与概率符号推理，在XSTest基准上大幅降低大语言模型的不安全依从率，虽过度拒绝率略高，但提升了推理可审计性。

Comments Preliminary version of this paper was presented at the IJCAI 2026 Workshop on Logical and Symbolic Reasoning of Large Language Models

Command-Space Counterfactual Explanations for Pareto-Conditioned Reinforcement Learning

帕累托条件强化学习的命令空间反事实解释

Joanikij Chulev, Hendrik Baier

机构 * Centrum Wiskunde & Informatica (CWI)（数学和计算机科学中心（CWI）） ； Eindhoven University of Technology（埃因霍温理工大学） 纠错

AI总结 该研究针对帕累托条件强化学习的帕累托条件网络，提出命令空间反事实解释方法CF-ZOO，通过边界种子方向搜索生成可操作的直观解释。

Comments 11 pages, 3 figures

Journal ref Proceedings of the IJCAI-ECAI 2026 Workshop on Explainable Artificial Intelligence (XAI), Bremen, Germany, August 2026

Distinguishing AI-Generated Music from Edited Audio as a Hard-Negative Robustness Task

将AI生成音乐与编辑音频区分作为难负样本鲁棒性任务

Alexandru-Stefan Morosanu, Valerian Cecan, Stefan-Daniel Achirei, Laura Erhan

AI总结 本研究将区分AI生成音乐与编辑音频作为难负样本鲁棒性任务，构建YouTube数据集训练PaSST检测器，视频级平衡准确率0.811，片段级AI生成F1为0.836、编辑为0.720，揭示两者频谱线索的重叠性。

Comments Accepted at the RobustifAI 2026 Workshop @IJCAI-ECAI 2026, Bremen

LLM Safety Alignment in Low-Resource Languages: A Systematic Literature Review

低资源语言下的大语言模型安全对齐：系统文献综述

Valdini Douglace Lemofouet, Blessing Ngozi Uzor, Paula Chikaodinaka Anyanwu, Danielle Blanche Kapsa, Sukairaj Hafiz Imam, P Sam Sahil, Abigail Oppong, Tassallah Abdullahi, Clemencia Siro, Idris Abdulmumin, Seid Muhie Yimam, Shamsuddeen Hassan Muhammad

机构 * African Institute for Mathematical Sciences (AIMS)（非洲数学科学研究所） ； Bayero University Kano（卡诺贝罗大学） ； Brown University（布朗大学） ； Centrum Wiskunde & Informatica（数学与计算机科学中心） ； University of Pretoria（比勒陀利亚大学） ； University of Hamburg（汉堡大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 本文通过PRISMA 2020方法学开展系统文献综述，分析50项相关研究，揭示低资源语言下LLM存在多语言安全差距，提出安全对齐分类，并给出未来研究方向。

Comments The paper was accepted at LM4UC workshop organize by IJCAI. I added a screenshot of the decision (Open Review)