IJCAI

Vector-Quantized Discrete Latent Factors Meet Financial Priors: Dynamic Cross-Sectional Stock Ranking Prediction for Portfolio Construction

向量量化离散潜在因子融合金融先验：动态横截面股票排名预测用于投资组合构建

Namhyoung Kim, Jae Wook Song

机构 * RiskX ； Hanyang University（翰阳大学） 纠错

AI总结 本文提出PRISM-VQ模型，结合专家先验因子和向量量化离散潜在因子，通过结构条件混合专家生成时间变化因子载荷，提升横截面股票收益预测和投资组合表现。

Comments IJCAI 2026 Accepted Paper including Technical Appendix

Diversity of Extensions in Abstract Argumentation

抽象论证中扩展的多样性

Johannes K. Fichte, Markus Hecher, Yasir Mahmood, Zhengjun Wang

机构 * Department of Computer and Information Science (IDA), Linköping University, Sweden（链接öping大学计算机与信息科学系（IDA）） ； University of Potsdam, Germany & University of Artois, CNRS, UMR8188 (CRIL), France（波茨坦大学 & 阿尔托伊斯大学、法国CNRS UMR8188（CRIL）） ； Data Science Group, Heinz Nixdorf Institute, Paderborn University, Germany（帕德博恩大学数据科学小组、海因茨·尼克斯多夫研究所） 纠错

AI总结 研究了抽象论证中扩展多样性的量化概念，探讨了扩展的兼容性及计算最大多样性k值的方法。

Comments Technical Report to the paper accepted at IJCAI 2026

Improving Code Translation with Syntax-Guided and Semantic-aware Preference Optimization

通过语法引导和语义感知的偏好优化改进代码翻译

Yuhan Wu, Huan Zhang, Wei Cheng, Chen Shen, Jingyue Yang, Wei Hu

机构 * State Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； National Institute of Healthcare Data Science, Nanjing University, China（南京大学健康数据科学国家研究院） 纠错

AI总结 本文提出CTO方法，通过对比学习训练跨语言语义模型，结合编译器反馈实现代码翻译的语法和语义优化，实验表明其在C++、Java和Python翻译中表现优异。

Comments Accepted in the 35th International Joint Conference on Artificial Intelligence (IJCAI 2016)

Strikingness-Aware Evaluation for Temporal Knowledge Graph Reasoning

面向时间知识图谱推理的显著性感知评估

Rikui Huang, Shengzhe Zhang, Wei Wei

机构 * School of Computer Science & Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； Institute of Artificial Intelligence, Huazhong University of Science and Technology（华中科技大学人工智能研究院） ； School of Artificial Intelligence & Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） 纠错

AI总结 本文提出显著性感知评估框架，通过引入基于规则的显著性测量框架量化事件显著性，改进时间知识图谱推理的评估方法，实验表明不同模型在不同显著性事件上的表现差异。

Comments Accepted to IJCAI-ECAI 2026

On the Size Complexity and Decidability of First-Order Progression

关于一阶推进的大小复杂性与可判定性

Jens Classen, Daxin Liu

机构 * Department of People and Technology, Roskilde University, Denmark（罗斯基尔德大学人机技术系，丹麦） ； State Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室，中国） 纠错

AI总结 本文研究了一阶推进在局部效应、正常和无环动作类中的大小复杂性，证明其在合理假设下仅呈多项式增长，并展示在可判定片段中推进保持可判定性。

Comments This is an extended version of an identically-titled paper accepted for publication at IJCAI 2026. This version contains an appendix with further proofs