期刊&会议
International Joint Conference on Artificial Intelligence · 会议 · Artificial Intelligence
为什么社区重要：代理图RAG中的遍历上下文与溯源
机构 * Centre for Industrial Software, University of Southern Denmark, Alsion 2, 6400 Sønderborg, Denmark（丹麦南部大学工业软件中心）
AI总结 本文探讨了代理图RAG中引用忠实性的轨迹层面问题，通过实验表明引用证据和遍历上下文都对答案准确性有影响。
Comments 7 pages, 2 figures, Submitted at IJCAI-ECAI 2026 Joint Workshop on GENAIK and NORA
COREKG: 基于coreset的个性化知识图谱摘要
机构 * Mehta Family School of Data Science and AI, IIT Palakkad, India（梅塔家族数据科学与人工智能学院，印度IIT帕拉卡德） ； Department of CSE, IIIT-Delhi, India（计算机科学与工程系，印度IIIT-德里）
AI总结 本文提出COREKG方法，通过coreset理论实现个性化知识图谱摘要，利用敏感度基于重要性采样生成相关三元组子集，提升查询回答准确性和结构覆盖，存储和查询效率显著提高。
Comments Accepted at IJCAI 2026
基于递归神经网络的单智能体与多智能体强化学习的概率验证
机构 * TU Wien（维也纳技术大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出RNN-ProVe框架，通过策略驱动采样和统计误差界估计，为递归神经网络策略提供更精确的概率保证，适用于部分可观测的单智能体和多智能体强化学习任务。
Comments Accepted at the 35th International Joint Conference on Artificial Intelligence (IJCAI) 2026
基于数据的时序属性监控（扩展版）
机构 * INESC-ID/Instituto Superior Técnico, Universidade de Lisboa, Portugal（葡萄牙里斯本大学理工学院/INESC-ID） ； Free University of Bozen-Bolzano, Italy（意大利博登-博洛尼亚自由大学）
AI总结 本文提出了一种新的监控框架，用于处理带有任意SMT理论的有限轨迹LTLfMT属性，结合自动机方法和自动推理技术，解决了时序逻辑的挑战，并首次识别出可判定的实用片段。
Comments This is the extended version of a paper accepted to IJCAI 2026
Woodelf++: 一种用于决策树集成的快速且统一的偏倚依赖图算法
机构 * Reichman University（里奇曼大学） ； Faculty of Data and Decision Sciences（数据与决策科学学院）
AI总结 本文提出Woodelf++算法，用于高效计算决策树集成的偏倚依赖图、联合偏倚依赖图和任意顺序偏倚交互值，显著提升了计算效率。
Comments Extended version of the paper to appear at IJCAI 2026
SeesawNet：面向非平稳时间序列预测的常见与特定依赖平衡建模
机构 * Sichuan University（四川大学） ； Chengdu University of Information Technology（成都信息科技大学） ； McGill University（麦吉尔大学） ； University of Macau（澳门大学）
AI总结 SeesawNet通过动态平衡常见和实例特定依赖，解决非平稳时间序列预测中的分布偏移问题，提出ASNA模块以捕捉常见和特定依赖，实验表明其优于现有方法。
Comments Accepted by IJCAI-ECAI 2026, the 35th International Joint Conference on Artificial Intelligence. Code is at https://github.com/dreamone-Lee/SeesawNet
ROAD: 通过双层优化实现的自适应数据混合用于离线到在线强化学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团）
AI总结 本文提出ROAD框架，通过双层优化解决离线数据与在线策略间分布偏移问题，提升稳定性和性能。
Comments 20 pages, 9 figures, 7 tables. Accepted to IJCAI 2026
向量量化离散潜在因子融合金融先验：动态横截面股票排名预测用于投资组合构建
机构 * RiskX ； Hanyang University（翰阳大学）
AI总结 本文提出PRISM-VQ模型，结合专家先验因子和向量量化离散潜在因子，通过结构条件混合专家生成时间变化因子载荷，提升横截面股票收益预测和投资组合表现。
Comments IJCAI 2026 Accepted Paper including Technical Appendix
抽象论证中扩展的多样性
机构 * Department of Computer and Information Science (IDA), Linköping University, Sweden（链接öping大学计算机与信息科学系（IDA）） ； University of Potsdam, Germany & University of Artois, CNRS, UMR8188 (CRIL), France（波茨坦大学 & 阿尔托伊斯大学、法国CNRS UMR8188（CRIL）） ； Data Science Group, Heinz Nixdorf Institute, Paderborn University, Germany（帕德博恩大学数据科学小组、海因茨·尼克斯多夫研究所）
AI总结 研究了抽象论证中扩展多样性的量化概念，探讨了扩展的兼容性及计算最大多样性k值的方法。
Comments Technical Report to the paper accepted at IJCAI 2026
通过语法引导和语义感知的偏好优化改进代码翻译
机构 * State Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； National Institute of Healthcare Data Science, Nanjing University, China（南京大学健康数据科学国家研究院）
AI总结 本文提出CTO方法，通过对比学习训练跨语言语义模型，结合编译器反馈实现代码翻译的语法和语义优化，实验表明其在C++、Java和Python翻译中表现优异。
Comments Accepted in the 35th International Joint Conference on Artificial Intelligence (IJCAI 2016)
面向时间知识图谱推理的显著性感知评估
机构 * School of Computer Science & Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； Institute of Artificial Intelligence, Huazhong University of Science and Technology（华中科技大学人工智能研究院） ； School of Artificial Intelligence & Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院）
AI总结 本文提出显著性感知评估框架，通过引入基于规则的显著性测量框架量化事件显著性，改进时间知识图谱推理的评估方法，实验表明不同模型在不同显著性事件上的表现差异。
Comments Accepted to IJCAI-ECAI 2026
关于一阶推进的大小复杂性与可判定性
机构 * Department of People and Technology, Roskilde University, Denmark（罗斯基尔德大学人机技术系，丹麦） ； State Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室，中国）
AI总结 本文研究了一阶推进在局部效应、正常和无环动作类中的大小复杂性，证明其在合理假设下仅呈多项式增长，并展示在可判定片段中推进保持可判定性。
Comments This is an extended version of an identically-titled paper accepted for publication at IJCAI 2026. This version contains an appendix with further proofs
学习具有高实现次数的最小刚性图
机构 * Faculty of Information Technology, Czech Technical University in Prague（捷克技术大学布拉格信息科技学院） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出基于强化学习的方法，通过0-和1-扩展构造最小刚性图，优化实现次数不变量，实现在平面和球面实现次数上的新记录。
Comments This is an extended version of the paper accepted to IJCAI 2026
如果评估联接查询会终止吗？一个并不简单决定这个问题
AI总结 研究探讨了在支持可决定查询蕴含的规则类中，抽象规则类是否能变得具体，发现基于经典追逐变种终止性和有限树宽集的规则类并不满足这一条件。
Comments 14 pages - Extended version of a paper accepted at IJCAI 2026
社会福利在异质时间偏好下的研究
AI总结 本文研究了在异质时间偏好下，如何通过社会福利最大化来制定最优策略，展示了即使所有主体获得相同奖励，最优策略也不再是位置性的，但策略结构仍保持简单。
Comments 14 pages including appendices, Accepted to IJCAI 2026
关于时间：无模型强化学习中的定时奖励机
机构 * University of Liverpool（利物浦大学）
AI总结 本文提出定时奖励机（TRMs）以解决传统奖励机在时间约束建模上的不足，通过无模型强化学习框架学习满足时间约束的最优策略，并在实验中验证其有效性。
Comments Extended version of paper accepted at IJCAI 2026
面向语义空间对齐的细粒度代码切换语音翻译
机构 * School of Informatics, Xiamen University, China（厦门大学信息学院） ； Huawei Translation Services Center, Beijing, China（华为翻译服务中心） ； NLP 2 CT Lab, Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学系NLP 2 CT实验室）
AI总结 本文提出通过混合专家模型提升大语言模型，以实现更精确的代码切换语音翻译，通过语言特定损失和组内负载平衡损失优化语义空间对齐，实验表明在多个数据集上提升了翻译性能。
Comments Accepted to IJCAI 2026 Main Track
审批制预算分配中的近似策略无偏性
AI总结 本文研究了审批制预算分配中近似策略无偏性，证明Nash产品规则的激励比为2，从而绕过Brandl等人的不可能定理，并展示了其在公平性和效率性下的最优性。
Comments Forthcoming at IJCAI'26
约束-数据-价值最大化：利用数据归因在低数据环境中进行有效数据剪枝
机构 * Fraunhofer IPA（弗劳恩霍夫研究所） ； Institute of Industrial Manufacturing and Engineering IFF（工业制造与工程研究所） ； University of Stuttgart（斯图加特大学） ； Hochschule Heilbronn（海德堡应用技术大学）
AI总结 本文提出CDVM方法，通过约束优化在低数据环境下有效剪枝，提升模型性能并降低运行时间。
Comments Accepted for publication at IJCAI 2026
信息与合同设计在具有不一致激励的代理重复交互中的应用
AI总结 研究信息不对称和激励不一致对多代理系统的影响，提出通过线性合同设计优化通信策略，探讨公平性与代理间激励冲突的关系。
Comments Accepted to IJCAI 2026
多目标优化中交叉的影响：NSGA-III算法的运行时间分析
AI总结 本文通过分析NSGA-III在m-目标m-OneJumpZeroJump函数上的运行时间，证明交叉操作能显著提升优化效率，为多目标优化理论提供了新见解。
Comments This paper appears at IJCAI 2026
在时间投票中比例代表的成本
机构 * University of Oxford（牛津大学）
AI总结 研究时间投票模型中比例代表与社会福利的权衡，证明比例代表会带来递增但亚线性的效用损失，且不同比例代表公理对效用损失的影响不同。
Comments Appears in the 35th International Joint Conference on Artificial Intelligence (IJCAI), 2026
LLARS：促进领域专家与开发者协作的LLM提示、生成与评估系统
机构 * Technische Hochschule Nürnberg Georg Simon Ohm（图恩-努尔堡技术大学乔治·西蒙·奥姆学院） ； Faculty of Computer Science, Centre for Artificial Intelligence (KIZ)（计算机科学学院，人工智能中心（KIZ）） ； Faculty of Social Sciences, Institute for E-Counselling（社会科学学院，电子咨询研究所）
AI总结 LLARS通过整合协同提示工程、批量生成和混合评估模块，为构建LLM系统提供端到端流程，提升跨学科协作效率与准确性。
Comments Accepted at IJCAI-ECAI 2026 Demonstrations Track. Demo video: https://youtu.be/3QaKouwr4gU
学习稀疏化随机线性老虎机
机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； Department of Electronics and Telecommunications, Politecnico di Torino（托里尼 Politecnico 电子与电信系）
AI总结 本文研究在高维空间中学习稀疏化随机线性老虎机的问题，提出自适应探索与利用框架，通过普通最小二乘法学习参数并结合稀疏动作选择子程序，实现不同稀疏动作集下的最优或近似最优策略，实验验证了算法性能。
Comments Include all the omitted details and proofs from the conference paper accepted to IJCAI 2026
DUALFloodGNN：用于运营洪水建模的物理信息图神经网络
机构 * Department of Computer Science, School of Computing, National University of Singapore（新加坡国立大学计算机科学系） ； School of Civil Engineering, Faculty of Engineering, The University of Sydney（悉尼大学土木工程学院） ； Delft Institute of Applied Mathematics, Delft University of Technology（代尔夫特理工大学应用数学研究所）
AI总结 本文提出DUALFloodGNN，一种融合物理约束的图神经网络，通过共享消息传递框架预测水体积和流量，提升洪水建模的准确性和效率。
Comments Accepted for publication at the IJCAI-ECAI 2026 AI4Tech track
Med-StepBench：一种用于评估医学视觉-语言模型幻觉的分层推理框架
机构 * AI4LIFE, Hanoi University of Science and Technology, Vietnam（AI4LIFE，越南科学与技术大学） ； SAMOVAR, Télécom SudParis, Institut Polytechnique de Paris, France（SAMOVAR，法国电信南巴黎学院，巴黎理工学院） ； Military Central Hospital, Vietnam（越南108军中心医院）
AI总结 本文提出Med-StepBench，首个针对3D肿瘤PET/CT图像的分步幻觉检测基准，通过12000张图像和100万对图像-陈述数据，揭示了现有VLMs在多步临床推理中的系统性缺陷。
Comments Accepted at IJCAI-ECAI 2026
学习多指标权重用于数据选择：一种联合任务-模型适应框架与高效代理
机构 * School of Software Engineering, Sun Yat-sen University（中山大学软件学院）
AI总结 本文提出一种联合任务-模型适应框架，通过在紧凑的tiny-validation集上利用上下文学习信号，无需全量微调即可学习多指标权重，提升数据选择效率和性能。
Comments This work has been accepted at IJCAI 2026
基于知识图谱的LLM引导蒙特卡洛树搜索：为药物-疾病对构建机制性解释
机构 * Institute of Data Science, Department of Advanced Computing Sciences, Maastricht University（数据科学研究所，高级计算科学系，马斯特里赫特大学）
AI总结 本文提出TESSERA框架，结合LLM和知识图谱进行多步解释提取，通过约束结构和反向传播实现长周期搜索，验证了其在药物机制解释中的有效性。
Comments Accepted at IJCAI-ECAI 2026. 9 pages (7 content + 2 references), 5 figures, 3 tables. Includes supplementary material (26 pages)
功能稳定模型语义与理论模运算中的答案集编程
机构 * School of Computing, Informatics and Decision Systems Engineering（计算、信息与决策系统工程学院）
AI总结 本文探讨了在答案集编程中整合'intensional'函数的作用，展示了功能稳定模型语义在ASPMT框架中的关键作用，并证明了紧致ASPMT程序可转换为SMT实例。
Journal ref In Proceedings of the 23rd International Joint Conference on Artificial Intelligence (IJCAI 2013), pages 718-724, 2013
FedCIGAR: 一种用于联邦图级异常检测的个性化重建方法
机构 * Guangxi University（广西大学） ； Griffith University（格里菲斯大学）
AI总结 本文提出FedCIGAR，通过图重建和自适应门控机制提升联邦图级异常检测的泛化能力与鲁棒性。
Comments Accepted by IJCAI 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈