IJCAI

Improving Cross-Cultural Survey Simulation with Calibrated Value Personas

通过校准价值人设提升跨文化调查模拟

Axel Abels, Elias Fernandez Domingos, Apurva Shah, Tom Lenaerts

机构 * Machine Learning Group, Université Libre de Bruxelles（布鲁塞尔自由大学机器学习小组） ； AI Lab, Vrije Universiteit Brussel（布鲁塞尔自由大学人工智能实验室） ； FARI Institute, Université Libre de Bruxelles - Vrije Universiteit Brussel（布鲁塞尔自由大学-布鲁塞尔自由大学FARI研究所） ； Center for Human-Compatible AI, UC Berkeley（伯克利大学人机兼容人工智能中心） 纠错

AI总结 本文提出基于价值的人设构建方法，通过校准提升跨文化调查模拟的准确性，减少预测误差，尤其在少数群体中效果显著。

Comments Submitted to the Fourth International Workshop on Value Engineering in AI (VALE 2026), held at IJCAI-ECAI 2026

LoCO: Low-rank Compositional Rotation Fine-tuning

LoCO：低秩组合旋转微调

An Nguyen, Jaesik Choi, Anh Tong

机构 * Korea University（韩国大学） ； KAIST（韩国科学技术院） ； INEEJI 纠错

AI总结 LoCO提出一种低秩组合旋转微调方法，通过低秩斜对称矩阵构建正交变换，实现高效参数微调，适用于多领域模型适应，展现优于传统正交和非正交方法的性能。

Comments IJCAI 2026

From Gridworlds to Warehouses: Adapting Lightweight One-shot Multi-Agent Pathfinding for AGVs

从网格世界到仓库：为AGVs适应轻量级一次性多智能体路径规划

Hiroki Nagai, Keisuke Okumura

机构 * National Institute of Advanced Industrial Science and Technology (AIST)（日本国家先进工业科学与技术研究院） ； Keio University（庆应大学） 纠错

AI总结 本文提出多智能体仓库路径规划（MAWPF），针对差分驱动AGVs的运动特性，引入四条约束条件，改进传统MAPF算法，通过实验验证PP和LNS2在多智能体场景下的不足，PIBT类方法在可扩展性上表现更优。

Comments To be presented at IJCAI 2026

Ensuring Logic in the Fog: Sound POMDP Synthesis with LTL Objectives

确保雾中的逻辑：带有LTL目标的可靠POMDP综合

Can Zhou, Yulong Gao, Pian Yu

机构 * Imperial College London（伦敦帝国理工学院） ； University College London（伦敦大学学院） 纠错

AI总结 本文提出一种新的可靠奖励塑造机制，用于在部分可观测马尔可夫决策过程中实现LTL目标的合成，通过增强的蒙特卡洛规划框架提升在部分可观测环境中的导航能力。

Comments Accepted by IJCAI-ECAI 2026, the 35th International Joint Conference on Artificial Intelligence

Discrete Cosine Transform Based Decorrelated Attention for Vision Transformers

基于离散余弦变换的去相关注意力机制用于视觉Transformer

Hongyi Pan, Emadeldeen Hamdan, Xin Zhu, Ahmet Enis Cetin, Ulas Bagci

机构 * Machine and Hybrid Intelligence Lab, Northwestern University（机器与混合智能实验室，西北大学） ； Department of Electrical and Computer Engineering, University of Illinois Chicago（电气与计算机工程系，伊利诺伊大学香槟分校） 纠错

AI总结 本文提出基于DCT的去相关注意力机制，通过改进初始化策略和压缩技术提升视觉Transformer的效率和性能，实验表明在Swin Transformer上显著降低计算开销且保持性能。

Comments This paper has been accepted to IJCAI-ECAI 2026

PerFlow: Physics-Embedded Rectified Flow for Efficient Reconstruction and Uncertainty Quantification of Spatiotemporal Dynamics

PerFlow：嵌入物理的修正流用于高效重建和时空动态的不确定性量化

Hao Zhou, Rui Zhang, Han Wan, Hao Sun

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） 纠错

AI总结 PerFlow通过分离观测条件与物理约束，利用修正流动态实现无引导的观测条件输入，结合约束保持投影嵌入硬物理约束，实现高效稀疏重建和不确定性量化。

Comments 17 pages, 8 figures. Accepted to IJCAI-ECAI 2026