IJCAI

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)

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