IJCAI

INSHAPE: Instance-Level Shapelets for Interpretable Time-Series Classification

INSHAPE：实例级形状lets用于可解释的时间序列分类

Seongjun Lee, Seokhyun Lee, Changhee Lee

机构 * Department of Artificial Intelligence, Korea University（韩国大学人工智能系） 纠错

AI总结 本文提出INSHAPE框架，通过发现每个时间序列特有的变量长度判别性时间模式，解决传统方法在实例特定特征与整体模式不一致以及忽略时间依赖性的问题，从而提高时间序列分类的可解释性和预测性能。

Comments Accepted to IJCAI 2026. 25 pages

Psychological Benefits and Costs of Diversifying Algorithmic Recourse

算法救济的的心理益处与代价

Tomu Tominaga, Naomi Yamashita, Takeshi Kurashima

AI总结 研究通过实验探讨算法救济多样性对心理影响的平衡，发现小规模多样化救济提升行动意愿，而大规模则增加认知负担，提示需设计更符合人类认知的多样化方法。

Comments Accepted at IJCAI 2026 (this is the extended version with supplementary materials)