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)

Explaining, Verifying, and Aligning Semantic Hierarchies in Vision-Language Model Embeddings

解释、验证和对齐视觉语言模型嵌入中的语义层次结构

Gesina Schwalbe, Mert Keser, Moritz Bayerkuhnlein, Edgar Heinert, Annika Mütze, Marvin Keller, Sparsh Tiwari, Georgii Mikriukov, Diedrich Wolter, Jae Hee Lee, Matthias Rottmann

机构 * University of Lübeck（吕贝克大学） ； Technical University of Munich（慕尼黑工业大学） ； AUMOVIO SE ； Osnabrück University（奥斯纳布吕克大学） ； Leibniz Institute for Agricultural Engineering and Bioeconomy（莱布尼茨农业工程与生物经济研究所） ； University of Hamburg（汉堡大学） 纠错

AI总结 本文提出一种框架，用于解释、验证和对齐视觉语言模型嵌入中的语义层次结构，通过聚类和概念库匹配提取层次结构，并利用人类本体评估其合理性，最终提出基于本体的对齐方法以提升共享嵌入空间的语义对齐。

Comments camera-ready version of accepted IJCAI-ECAI 2026 paper including supplementary material; code: https://github.com/gesina/ontological-commitment

HCRide: Harmonizing Passenger Fairness and Driver Preference for Human-Centered Ride-Hailing

HCRide：面向以人为中心的网约车服务，协调乘客公平性与司机偏好

Lin Jiang, Yu Yang, Guang Wang

机构 * Department of Computer Science, Florida State University（佛罗里达州立大学计算机科学系） ； Department of Computer Science and Engineering, Lehigh University（莱斯利大学计算机科学与工程系） 纠错

AI总结 本研究设计了基于Habic算法的HCRide网约车系统，在不损害效率的前提下协调乘客公平性与司机偏好，经深圳和纽约数据集验证，其效率、公平性及司机偏好满意度均优于现有基线。

Comments 9 pages, 4 figures. Accepted as a regular paper in the Human-Centred Artificial Intelligence Track at IJCAI 2025

Uncertainty-aware Predict-Then-Optimize Framework for Equitable Post-Disaster Power Restoration

面向灾后公平电力恢复的不确定性感知预测后优化框架

Lin Jiang, Dahai Yu, Rongchao Xu, Tian Tang, Guang Wang

机构 * Department of Computer Science, Florida State University（计算机科学系，佛罗里达州立大学） ； Askew School of Public Administration and Policy, Florida State University（公共行政与政策学院，佛罗里达州立大学） 纠错

AI总结 针对灾后电力恢复的公平性与效率问题，提出含公平共形分位数回归、时空注意力强化学习的EPOPR框架，使平均停电时长降3.60%、社区间不公平度降14.19%。

Comments 9 pages, 12 figures. Accepted as a regular paper in the AI and Social Good Track at IJCAI 2025

Online Goal Recognition using Path Signature and Dynamic Time Warping

基于路径签名和动态时间规整的在线目标识别

Douglas Tesch, Nathan Gavenski, Leonardo Amado, Odinaldo Rodrigues, Felipe Meneguzzi

机构 * Pontifícia Universidade Católica do Rio Grande do Sul（圣保罗天主教大学里约格兰德杜斯乌尔古斯分校） ； King’s College London（伦敦国王学院） ； University of Aberdeen（阿伯丁大学） 纠错

AI总结 本文提出一种基于路径签名和动态时间规整的在线目标识别方法，通过高效编码轨迹和有效比较轨迹，提升预测准确性和在线规划效率。

Comments Accepted as part of the 35th International Joint Conference on Artificial Intelligence

Enhancing Regime Shift Detection Using Unstructured Data: A Study on the Treasury Market

利用非结构化数据增强制度转换检测：国债市场研究

Mingxuan Yi, Vidal Mehra, Jing Chen, John Cartlidge

机构 * School of Engineering Mathematics and Technology, University of Bristol, UK（布里斯托大学工程数学与技术学院） ； Propellant Digital B.V., Amsterdam, Netherlands（荷兰阿姆斯特丹Propellant Digital公司） ； School of Mathematics, Cardiff University, UK（卡迪夫大学数学学院） 纠错

AI总结 提出一种结合大语言模型推理与统计检验的文本增强型制度转换检测框架，在国债市场数据上实现F1=0.82，优于纯数据驱动方法。

Comments 9 pages, 4 figures. Selected for Long Oral presentation at the International Symposium on Large Language Models for Financial Services (FinLLM@IJCAI 2026), Bremen, Germany, 15 August 2026 (non-archival). Code available at: https://github.com/mingxuan-yi/regime_shift

Counterfactual Reasoning for Causal Responsibility Attribution in Probabilistic Multi-Agent Systems

反事实推理在概率多智能体系统中的因果责任归因

Chunyan Mu, Muhammad Najib

机构 * University of Aberdeen（阿伯丁大学） ； Heriot-Watt University（赫瑞瓦特大学） 纠错

AI总结 本文提出基于反事实推理的因果责任归因方法，利用Shapley值确保公平性和一致性，构建了支持责任感知多智能体系统验证与策略推理的框架，并通过纳什均衡计算稳定策略配置。

Comments Accepted at IJCAI 2026. This is the full version containing all proofs

RM-Distiller: Exploiting Generative LLM for Reward Model Distillation

RM-Distiller: 利用生成式大语言模型进行奖励模型蒸馏

Hongli Zhou, Hui Huang, Wei Liu, Chenglong Wang, Xingyuan Bu, Lvyuan Han, Fuhai Song, Muyun Yang, Wenhao Jiang, Hailong Cao, Tiejun Zhao

机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） 纠错

AI总结 RM-Distiller通过系统利用教师LLM的精炼、评分和生成能力，提升奖励模型蒸馏效果，首次系统性地探索了生成式LLM在奖励建模中的应用。

Comments Accepted to IJCAI-ECAI 2026

Participatory Budgeting with Project Groups

带有项目组的参与式预算

Pallavi Jain, Krzysztof Sornat, Nimrod Talmon, Meirav Zehavi

AI总结 研究带有项目组的参与式预算模型，在遵守预算限制下确定使选民满意度最大化的项目捆绑的计算复杂性，给出特殊情况的精确算法和近似算法，可助市政当局开展更丰富的PB流程。

Comments 25 pages, 3 tables. An extended abstract of this work appears in IJCAI 2021. This is the author's version of the paper published in JCSS 156: 103702 (2026); it differs only in formatting and minor editorial changes

Journal ref Journal of Computer and System Science 156: 103702 (2026)

One4Many-StablePacker: An Efficient Deep Reinforcement Learning Framework for the 3D Bin Packing Problem

One4Many-StablePacker：一种用于三维装箱问题的高效深度强化学习框架

Lei Gao, Shihong Huang, Shengjie Wang, Hong Ma, Feng Zhang, Hengda Bao, Qichang Chen, Weihua Zhou

AI总结 针对三维装箱问题现有方法的局限，提出One4Many-StablePacker框架，通过加权奖励函数和结合特定优化方法的训练机制，能在单一训练中处理多样箱尺寸，有效提升装箱利用率，泛化性强且适用性佳。

Comments Accepted at the 35th International Joint Conference on Artificial Intelligence (IJCAI-ECAI 2026)

Improving Code Understanding in Large Language Models through Concept-Aware Consistency Learning

通过概念感知一致性学习提高大语言模型中的代码理解能力

Xiaoning Ren, Qiang Hu, Wei Ma, Chongyang Liu, Yan Li, Yao Zhang, Lingxiao Jiang, Yongqiang Lyu, Yinxing Xue

AI总结 研究针对大语言模型对基本编程概念理解浅的问题，引入结合概念感知调整的反事实代码增强框架，经多模型和基准综合评估，证明此方法能引导大语言模型增强概念理解，有效提升其在代码相关任务中的表现。

Comments To appear at IJCAI 2026

ArogyaSutra: A Multi-Agent Framework for Multimodal Medical Reasoning in Indic Languages

ArogyaSutra：面向印度语言的多模态医学推理的多智能体框架

Tanmoy Kanti Halder, Akash Ghosh, Subhadip Baidya, Arijit Roy, Sriparna Saha

机构 * Indian Institute of Technology Patna（印度理工学院巴特那分校） ； Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； Prasannadeb Women’s College（普拉萨纳德布女子学院） 纠错

AI总结 针对印度语言医疗场景中多模态大语言模型性能不足的问题，提出多模态医学问答数据集ArogyaBodha和基于演员-评论家的多智能体框架ArogyaSutra，通过工具接地与双记忆机制提升多语言医学推理准确性。

Comments Accepted for publication in IJCAI,2026

PACE: A Personalized Adaptive Curriculum Engine for 9-1-1 Call-taker Training

PACE：一种面向9-1-1接线员培训的个性化自适应课程引擎

Zirong Chen, Hongchao Zhang, Meiyi Ma

机构 * Department of Computer Science, Vanderbilt University（计算机科学系，范德比大学） 纠错

AI总结 PACE通过个性化自适应课程引擎提升9-1-1接线员培训效率，实现更快的能力达成和更高的掌握度

Comments Accepted at IJCAI-ECAI 2026

Can Stationary Distributions of Scale-Invariant Neural Networks Be Described by the Thermodynamics of an Ideal Gas?

尺度不变神经网络的稳态分布能否用理想气体的热力学描述？

Ildus Sadrtdinov, Ekaterina Lobacheva, Ivan Klimov, Mikhail Burtsev, Mikhail I. Katsnelson, Dmitry Vetrov

机构 * Constructor University（Constructor大学） ； Mila – Quebec AI Institute（魁北克AI研究所） ； Université de Montréal（蒙特利尔大学） ； London Institute for Mathematical Sciences（伦敦数学科学研究所） ； Institute for Molecules and Materials, Radboud University（分子与材料研究所，拉德堡德大学） 纠错

AI总结 本文提出用热力学框架解释SGD在尺度不变神经网络中的稳态分布，通过理论和模拟验证SGD动态与理想气体行为的对应关系，并探讨其对超参数调优和学习率调度器设计的指导意义。

Comments Accepted at IJCAI-ECAI 2026 (the 35th International Joint Conference on Artificial Intelligence)

FLASH: Flexible Learning of Adaptive Sampling from History in Temporal Graph Neural Networks

FLASH：时态图神经网络中从历史灵活学习自适应采样

Or Feldman, Krishna Sri Ipsit Mantri, Carola-Bibiane Schönlieb, Chaim Baskin, Moshe Eliasof

机构 * Ben-Gurion University of the Negev（本·古里安大学） ； Purdue University（普渡大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 研究时态图未来链接预测汇总历史交互信号时，长历史会消耗资源，常用启发式采样静态且不适应图结构。提出FLASH可学习且图自适应的邻域选择机制，集成到TGNNs并端到端训练，实验证明性能提升。

Comments IJCAI 2026, 24 pages, 5 figures, 14 tables

TRACE: A Concept Bottleneck Model for Longitudinal 3D Glioblastoma Response Assessment

TRACE：用于纵向3D胶质母细胞瘤反应评估的概念瓶颈模型

Alia Tarek, Hamsa Saberr, Hamza Elghonemy, Youssef Afify, Tamer Basha, Omair Shahzad Bhatti, Abdulrahman M. Selim, Hasan Md Tusfiqur Alam, Daniel Sonntag

机构 * Department of Biomedical and Healthcare Data Engineering, Faculty of Engineering, Cairo University（生物医学与健康数据工程系，工程学院，开罗大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） ； University of Oldenburg（奥尔登堡大学） 纠错

AI总结 提出TRACE模型，通过概念瓶颈架构将RANO 2.0标准融入深度学习，实现可解释的4类胶质母细胞瘤纵向反应分类，在LUMIERE数据集上达到4类宏F1为0.4769，并支持概念校正。

Comments Accept in the EXPLIMED: Explainable Artificial Intelligence for the Medical Domain workshop in IJCAI 2026

Implicit Identity Technologies for LLMs: Fingerprinting and Watermarking across Datasets, Models, and Generated Content

LLM的隐式身份技术：跨数据集、模型和生成内容的指纹识别与水印

Bing Liu, Shunping Wang, Yufan Zhu, Xinyi Yu, Jing Huang, Linkang Du, Hongbin Pei, Wei Luo

机构 * School of Cyber Science and Engineering, Xi’an Jiaotong University, Xi’an, China（西安交通大学计算机科学与工程学院） ； State Grid Henan Marketing Service Center, Henan, China（国网河南营销服务中心） ； Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学网络安全学院） ； School of Information Technology, Deakin University, Geelong, Australia（迪金大学信息技术学院） 纠错

AI总结 本文综述了LLM指纹识别和水印技术，提出隐式身份统一抽象，并基于生命周期分类法组织数据集、模型和生成内容的技术，建立评估框架。

Comments Accepted by IJCAI-ECAI 2026. 11 pages, 1 figure. Survey and taxonomy of LLM fingerprinting and watermarking for identity, provenance, generated-content attribution, and asset protection

DivCon-NeRF: Diverse and Consistent Ray Augmentation for Few-Shot NeRF

DivCon-NeRF：用于少样本NeRF的多样且一致的射线增强

Ingyun Lee, Jae Won Jang, Seunghyeon Seo, Nojun Kwak

机构 * Seoul National University（首尔国立大学） 纠错

AI总结 针对少样本NeRF中稀疏视图导致的过拟合和伪影问题，提出基于球面的射线增强方法，通过一致性掩码过滤不一致射线，结合定制损失函数减少浮点伪影和视觉失真，在多个数据集上优于现有方法。

Comments Accepted to IJCAI 2026

AlgoSimBench: Identifying Algorithmically Similar Problems for Competitive Programming

AlgoSimBench: 识别算法相似问题的竞赛编程基准

Jierui Li, Raymond Mooney

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 提出AlgoSimBench基准，通过对抗性设计的多选题评估大语言模型识别算法相似问题的能力，并引入尝试解决方案匹配方法提升准确率。

Comments 14 pages, accepted to IJCAI 2026

Temporal Motif-aware Graph Test-time Adaptation for OOD Blockchain Anomaly Detection

面向OOD区块链异常检测的时间模体感知图测试时自适应

Runang He, Tongya Zheng, Huiling Peng, Yuanyu Wan, Bingde Hu, Jiawei Chen, Canghong Jin, Mingli Song, Can Wang

机构 * State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； Zhejiang Provincial Engineering Research Center for Real-Time SmartTech in Urban Security Governance（浙江省实时智能科技在城市安全治理中的工程研究中心） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院） 纠错

AI总结 提出TEMG-TTA框架，通过时间模体分布捕获和测试时自适应策略，解决区块链异常检测中的模式演化和分布外问题，在5个数据集上平均提升54.88%。

Comments Accepted to IJCAI-ECAI 2026, Special Track on AI for Social Good

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

ReSyn: A Generalized Recursive Regular Expression Synthesis Framework

ReSyn：一种通用的递归正则表达式合成框架

Seongmin Kim, Hyunjoon Cheon, Su-Hyeon Kim, Yo-Sub Han, Sang-Ki Ko

AI总结 提出ReSyn框架，通过分治策略将复杂正则表达式合成问题分解为子问题，并结合Set2Regex合成器，在真实基准上达到最先进性能。

Comments Accepted at IJCAI 2026

A Survey on 3D Skeleton Based Person Re-Identification: Taxonomy, Advances, Challenges, and Interdisciplinary Prospects

基于3D骨架的行人重识别综述：分类、进展、挑战与跨学科前景

Haocong Rao, Chunyan Miao

机构 * College of Computing and Data Science, Nanyang Technological University (NTU), Singapore（南洋理工大学计算与数据科学学院，新加坡） ； Joint NTU-UBC Research Centre of Excellence in Active Living for the Elderly (LILY), NTU, Singapore（老龄化积极生活卓越研究中心（LILY），南洋理工大学，新加坡） ； Alibaba-NTU Global e-Sustainability CorpLab (ANGEL), NTU, Singapore（阿里巴巴-南洋理工大学全球可持续发展企业实验室（ANGEL），南洋理工大学，新加坡） 纠错

AI总结 本文系统综述了基于3D骨架的行人重识别方法，提出了手工、序列和图建模三类分类法，并评估了监督、自监督和无监督学习范式下的最新技术，最后讨论了关键挑战与跨学科应用前景。

Comments Accepted by IJCAI 2026. A curated collection of valuable resources is available at https://github.com/Kali-Hac/3D-SRID-Survey

Federated Foundation Language Model Post-Training Should Focus on Open-Source Models

联邦基础语言模型后训练应聚焦开源模型

Nikita Agrawal, Ruben Mayer

机构 * University of Bayreuth（拜罗伊特大学） 纠错

AI总结 本文批判性分析联邦后训练中使用黑盒模型的问题，主张采用开源模型以符合联邦学习的数据隐私和自治原则。

Comments Accepted at International Workshop on Federated Learning in the Age of Foundation Models In Conjunction with IJCAI 2026

SAFformer:Improving Spiking Transformer via Active Predictive Filtering

SAFformer:通过主动预测滤波改进脉冲Transformer

Zequan Xie, Weiming Zeng, Yunhua Chen, Sichang Ling, Tongyang Chen, Jinsheng Xiao

机构 * School of Computer Science and Technology, Guangdong University of Technology（广东技术大学计算机科学与技术学院） ； Faculty of Science, Hong Kong Baptist University（香港 Baptist 大学科学学院） ； School of Electronic Information, Wuhan University（武汉大学电子信息学院） 纠错

AI总结 提出基于主动预测滤波的脉冲Transformer架构SAFformer，通过抑制可预测信号并聚焦显著视觉特征，在CIFAR和ImageNet-1K上实现新最优性能，平衡精度与能耗。

Comments IJCAI 2026(International Joint Conference on Artificial Intelligence)

TabKD: Tabular Knowledge Distillation through Interaction Diversity of Learned Feature Bins

TabKD: 通过学习特征箱的交互多样性实现表格知识蒸馏

Shovon Niverd Pereira, Krishna Khadka, Yu Lei

机构 * Department of Computer Science and Engineering, The University of Texas at Arlington（计算机科学与工程系，德克萨斯理工大学阿灵顿分校） 纠错

AI总结 提出TabKD方法，通过学习与教师决策边界对齐的自适应特征箱，生成最大化成对交互覆盖的合成查询，在表格数据知识蒸馏中显著提升学生-教师一致性。

Comments Accepted in 35th International Joint Conference on Artificial Intelligence IJCAI 2026

Closing the Motion Execution Gap: From Semantic Motion Task Constraints to Kinematic Control

弥合运动执行差距：从语义运动任务约束到运动学控制

Simon Stelter, Vanessa Hassouna, Malte Huerkamp, Michael Beetz

机构 * University of Bremen（不莱梅大学） 纠错

AI总结 本文提出通过运动状态图实现语义约束与可执行机器人运动的连接，利用统一的可微运动学世界模型实现世界中心的运动规范与跨平台泛化，采用基于lMPC的任务函数方法确保任务切换的平滑过渡。

Comments 9 pages, 8 figures, to be published in IJCAI 2026

A Resilient Solution for Sewer Overflow Monitoring across Cloud and Edge

跨云和边缘的防洪溢流监控稳健解决方案

Vipin Singh, Tianheng Ling, Peter Ghaly, Felix Grimmeisen, Gregor Schiele, Felix Biessmann

机构 * Berlin University of Applied Sciences（柏林应用技术大学） ； University of Duisburg-Essen（杜伊斯堡-埃森大学） ； Okeanos Smart Data Solutions GmbH（Okeanos智能数据解决方案 GmbH） ； Einstein Center Digital Future（爱因斯坦数字未来研究中心） 纠错

AI总结 本文提出一个基于深度学习的云边协同监控平台，用于预测溢流池填充动态，以应对城市排水系统老化问题，提升防洪预警能力。

Comments 3 pages, 6 figures, accepted at 35th International Joint Conference on Artificial Intelligence 2026 (IJCAI-ECAI 2026), Demonstrations Track. URL: https://riwwer.demo.calgo-lab.de

Toward Preference-aligned Large Language Models via Residual-based Model Steering

基于残差模型引导的偏好对齐大型语言模型

Lucio La Cava, Andrea Tagarelli

机构 * DIMES Dept., University of Calabria, Italy（卡利博大学DIMES系） 纠错

AI总结 提出PaLRS方法，利用残差流中的偏好信号提取轻量级引导向量，无需训练即可在推理时对齐模型偏好，在数学推理和代码生成任务上取得一致提升，同时节省大量时间。

Comments Accepted at IJCAI 2026