IJCAI

Exploring the System 1 Thinking Capability of Large Reasoning Models

探索大型推理模型的系统1思维能力

Wenyuan Zhang, Shuaiyi Nie, Xinghua Zhang, Zefeng Zhang, Tingwen Liu

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安全学院） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） 纠错

AI总结 本文研究大型推理模型的系统1思维能力，提出S1-Bench基准测试，发现现有模型在简单问题上存在准确率低和效率差的问题，揭示了模型对问题难度的隐含编码。

Comments Accepted by IJCAI 2026 (Main Track)

Online Self-Calibration Against Hallucination in Vision-Language Models

在线对抗幻觉的视觉-语言模型自我校准

Minghui Chen, Chenxu Yang, Hengjie Zhu, Dayan Wu, Zheng Lin, Qingyi Si

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安全学院） 纠错

AI总结 本文提出OSCAR框架，通过蒙特卡洛树搜索和双粒度奖励机制在线校准视觉-语言模型，减少幻觉并提升多模态能力。

Comments IJCAI 2026

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, Ejaz Rahman, 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)

Graph Rewiring in GNNs to Mitigate Over-Squashing and Over-Smoothing: A Survey

图神经网络中的图重连线技术以缓解过压缩和过平滑问题：综述

Hugo Attali, Davide Buscaldi, Nathalie Pernelle, Fragkiskos D. Malliaros

机构 * Université Sorbonne Paris Nord, CNRS, LIPN（巴黎- Sorbonne大学、国家科学研究中心、LIPN实验室） ； Université Paris-Saclay, CentraleSupélec, Inria（巴黎-萨克雷大学、CentraleSupélec、Inria） 纠错

AI总结 本文综述了图重连线技术，旨在通过修改图拓扑提升GNN的信息传播，分析其理论基础、实现方法及性能权衡。

Comments Accepted at the International Joint Conference on Artificial Intelligence (IJCAI 2026), Survey Track