IJCAI

Model-Based Reinforcement Learning in Discrete-Action Non-Markovian Reward Decision Processes

离散动作非马尔可夫奖励决策过程中基于模型的强化学习

Alessandro Trapasso, Luca Iocchi, Fabio Patrizi

机构 * Fondazione Bruno Kessler（布雷诺·科塞拉基金会） ； Sapienza University of Rome（罗马萨皮恩扎大学） 纠错

AI总结 提出QR-MAX算法，通过奖励机分解马尔可夫转移学习与非马尔可夫奖励处理，首次在离散NMRDP中获得PAC收敛到ε-最优策略的多项式样本复杂度，并扩展至连续状态空间。

Comments Accepted at IJCAI-ECAI 2026. 19 pages, 32 figures, includes appendix

Detect, Attend and Extract: Keyword Guided Target Speaker Extraction

检测、关注和提取：关键词引导的目标说话人提取

Haoyu Li, Yu Xi, Yidi Jiang, Shuai Wang, Kate Knill, Mark Gales, Haizhou Li, Kai Yu

AI总结 提出DAE-TSE框架，利用关键词作为线索，通过检测-关注-提取范式实现目标说话人提取，无需干净注册语音，性能优于传统系统。

Comments 4 figures, 4 tables. Accepted by IJCAI-ECAI 2026

Towards Automated Kernel Generation in the Era of LLMs

面向LLM时代的自动化内核生成

Yang Yu, Peiyu Zang, Chi Hsu Tsai, Haiming Wu, Yixin Shen, Jialing Zhang, Haoyu Wang, Zhiyou Xiao, Jingze Shi, Yuyu Luo, Wentao Zhang, Chunlei Men, Guang Liu, Yonghua Lin

机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Beijing Normal University（北京师范大学） ； Peking University（北京大学） ； Beijing Institute of Technology（北京理工大学） ； Cornell University（康奈尔大学） ； Beijing Jiaotong University（北京交通大学） ； Renmin University of China（中国人民大学） ； Hong Kong University of Science and Technology (Guangzhou)（广州科技大学） 纠错

AI总结 本文综述了利用大语言模型（LLM）和智能体系统自动化生成与优化GPU内核的方法，系统梳理了现有方法、数据集和基准，并指出了未来研究方向。

Comments In IJCAI 2026. 9 pages, 1 figure

Speeding Up the NSGA-II via Dynamic Population Sizes

通过动态种群规模加速 NSGA-II

Benjamin Doerr, Martin S. Krejca, Simon Wietheger

AI总结 提出动态NSGA-II算法，通过从小初始种群开始并在每τ次函数评估后翻倍至最大规模N_max，显著降低OneMinMax和OneJumpZeroJump基准问题的函数评估次数。

Comments To appear in the proceedings of IJCAI 2026

CHoE: Cross-Domain Heterogeneous Graph Prompt Learning via Structure-Conditioned Experts

CHoE: 基于结构条件专家的跨域异构图提示学习

Peiyuan Li, Yongqi Huang, Jitao Zhao, Dongxiao He, Di Jin, Weixiong Zhang

机构 * School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） ； Department of Health Technology and Informatics, and Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（香港理工大学健康科技与信息学系、数据科学与人工智能系） 纠错

AI总结 提出CHoE方法，通过结构条件专家网络和结构感知路由机制，实现跨域异构图提示学习，在少样本跨域任务中优于基线方法。

Comments accepted by IJCAI 2026, 9 pages, 4 figures