IJCAI

EventTSF: Event-Aware Non-Stationary Time Series Forecasting

EventTSF: 基于事件的非平稳时间序列预测

Yunfeng Ge, Ming Jin, Yiji Zhao, Hongyan Li, Bo Du, Chang Xu, Shirui Pan

机构 * Griffith University, Australia（澳大利亚格里菲斯大学） ； Xidian University, China（西安电子科技大学） ； Yunnan University, China（云南大学） ； Microsoft Research Asia, China（微软亚洲研究院） 纠错

AI总结 本文提出EventTSF框架，通过分步扩散整合时间序列与文本事件，解决非平稳时间序列预测中的多模态交互问题，实验显示在7个数据集上优于12个基线模型。

Comments Accepted by the 35th International Joint Conference on Artificial Intelligence (IJCAI 2026)

When More Parameters Hurt: Foundation Model Priors Amplify Worst-Client Disparity Under Extreme Federated Heterogeneity

当更多参数有害：基础模型先验放大极端联邦异质性下的最差客户端差异

Kiran Naseer, Umar Shoaib

机构 * University of Gujrat（瓜尔杰特大学） 纠错

AI总结 研究发现，在极端联邦异质性下，基础模型先验可能加剧最差客户端的差异，通过实验对比文本分类中TextCNN与DistilBERT+LoRA的表现，揭示FM公平性悖论。

Comments 7 pages, 5 figures. Submitted to FL@FM-IJCAI 2026 Workshop

Shapley Regression for Rare Disease Diagnosis Support: a case study on APDS

Shapley回归在罕见疾病诊断支持中的应用：APDS案例研究

Safa Alsaidi, Tomás Brogueira, Nizar Mahlaoui, Marc Vincent, Guilherme Pelegrina, Nicolas Garcelon, Adrien Coulet, Miguel Couceiro

机构 * Inria, Inserm, UPC, HeKA U1346（Inria、Inserm、UPC、HeKA U1346） ； Técnico, University of Lisbon, INESC-ID（Técnico、里斯本大学、INESC-ID） ； Data Science Platform, INSERM UMR1163, Imagine Institute, UPC（数据科学平台、INSERM UMR1163、Imagine研究所、UPC） ； Mackenzie Presbyterian University（Mackenzie Presbyterian大学） ； Data Science Platform, INSERM UMR1163, Imagine Institute UPC（数据科学平台、INSERM UMR1163、Imagine研究所UPC） 纠错

AI总结 本文提出Shapley回归模型，通过游戏理论方法解决罕见疾病APDS的诊断问题，利用k-加性合作游戏建模症状共现，提升预测精度与鲁棒性。

Comments 21 pages, 4 figures. Accepted to the AI and Health special track at IJCAI 2026; the first two named authors had equal contribution

CDS4RAG: Cyclic Dual-Sequential Hyperparameter Optimization for RAG

CDS4RAG：基于循环双序列的RAG超参数优化

Pengzhou Chen, Tao Chen

机构 * School of Computer Science and Engineering, UESTC, Chengdu, China（电子科技大学计算机科学与工程学院，成都，中国） ； IDEAS Lab, University of Birmingham, Birmingham, UK（伯明翰大学IDEAS实验室，英国布里斯托尔） 纠错

AI总结 本文提出CDS4RAG框架，通过循环双序列方法优化RAG的全部超参数，提升检索生成性能，实验显示在24种情况下均优于现有算法。

Comments Accepted by main track at IJCAI 2026

EyeCue: Driver Cognitive Distraction Detection via Gaze-Empowered Egocentric Video Understanding

EyeCue：通过眼动增强的视点视频理解进行驾驶员认知分心检测

Lang Zhang, JinYi Yoon, Matthew Corbett, Abhijit Sarkar, Bo Ji

机构 * Virginia Tech（弗吉尼亚理工大学） ； Inha University（inha大学） ； Army Cyber Institute at West Point（西点军营陆军网络学院） 纠错

AI总结 本文提出EyeCue框架，通过眼动与视觉上下文的交互建模，实现驾驶员认知分心检测，利用CogDrive数据集验证其在多种驾驶场景下的高准确率和泛化能力。

Comments Accepted to the 35th International Joint Conference on Artificial Intelligence (IJCAI 2026)

From Time Series Analysis to Question Answering: A Survey in the LLM Era

从时间序列分析到问答：在大语言模型时代的一次综述

Wei Li, Zhe Xie, Yuxuan Liang, Xinli Hao, Yunyao Cheng, Dan Pei, Xiaofeng Meng

机构 * Renmin University of China（中国人民大学） ； Tsinghua University（清华大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Aalborg University（奥胡斯大学） 纠错

AI总结 本文综述了大语言模型时代时间序列分析向时间序列问答的转变，探讨了TSQA在灵活性、经济性和通用性方面的选择指导及未来研究方向。

Comments Accepted by IJCAI 2026 Survey Track

Bounded Fitting for Expressive Description Logics

可扩展描述逻辑中受限适配方法的研究

Maurice Funk, Jean Christoph Jung, Tom Voellmer

机构 * Leipzig University and ScaDS.AI Center Dresden/Leipzig（莱比锡大学和ScaDS.AI中心德累斯顿/莱比锡） ； TU Dortmund University（德累斯顿理工大学） ； Center for Trustworthy Data Science and Security, University Alliance Ruhr（可信数据科学与安全中心，鲁尔大学联盟） 纠错

AI总结 本文研究了在扩展ALC的表达式描述逻辑中，受限适配方法的理论性质和实现，通过SAT求解器实现，并与现有概念学习器比较，展示了其在复杂概念学习中的实用性。

Comments 16 pages, full version of paper accepted at IJCAI-ECAI 2026

Neurosymbolic Framework for Concept-Driven Logical Reasoning in Skeleton-Based Human Action Recognition

基于骨架的人体动作识别的概念驱动逻辑推理神经符号框架

Talha Ilyas, Deval Mehta, Zongyuan Ge

机构 * Department of ECSE, Faculty of Engineering, Monash University, Australia（莫纳什大学工程学院电子与计算机工程系，澳大利亚） ； AIM for Health Lab, Faculty of Information Technology, Monash University, Australia（莫纳什大学信息科技学院健康人工智能实验室，澳大利亚） ； Department of DSAI, Faculty of Information Technology, Monash University, Australia（莫纳什大学信息科技学院数据科学与人工智能系，澳大利亚） 纠错

AI总结 本文提出一种神经符号框架，将骨架动作识别转化为概念驱动的一阶逻辑推理，通过结合表征学习与符号推理，提升动作识别的可解释性。

Comments Accepted In Proceedings of the 35th International Joint Conference on Artificial Intelligence (IJCAI 2026)

From Surface Learning to Deep Understanding: A Grounded AI Tutoring System for Moodle

从表层学习到深度理解：面向Moodle的 grounded AI 教学系统

Anna Ostrowska, Michał Kukla, Gabriela Majstrak, Jan Opala, Sebastian Pergała, Jan Skwarek, Anna Wróblewska

机构 * Faculty of Mathematics and Information Sciences, Warsaw University of Technology（数学与信息科学学院，华沙技术大学） 纠错

AI总结 本文提出一种基于Moodle的AI教学助手，利用检索增强生成技术提供高质量教育，通过双核心设计实现学生互动式辅导和教师监督内容生成，有效减少信息误导并促进深度理解。

Comments 5 pages, accepted as demo paper at IJCAI 2026

TCDA: Thread-Constrained Discourse-Aware Modeling for Conversational Sentiment Quadruple Analysis

TCDA：基于对话的线程约束模型用于对话情感四元分析

Xinran Li, Xinze Che, Yifan Lyu, Zhiqi Huang, Xiujuan Xu

机构 * School of Software, Dalian University of Technology（大连理工大学软件学院） ； School of Data and Computer Science, Sun Yat-sen University（中山大学数据与计算机科学学院） 纠错

AI总结 本文提出TCDA框架，结合线程约束有向无环图和话语感知旋转位置嵌入，解决对话情感四元分析中复杂关系捕捉问题，实验表明其性能优于现有方法。

Comments Accepted to IJCAI 2026 (Main Track)

Amortized Multi-Objective Optimization Across Tasks with Generative Solution Modeling

跨任务的 amortized 多目标优化与生成解建模

Tingyang Wei, Jiao Liu, Abhishek Gupta, Chin Chun Ooi, Puay Siew Tan, Yew-Soon Ong

机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院，新加坡） ； School of Mechanical Sciences, Indian Institute of Technology, Goa, India（印度理工学院Goa分校机械科学学院，印度） ； Centre for Frontier AI Research, Agency for Science, Technology and Research, Singapore（新加坡科技研究局前沿人工智能研究中心） ； Singapore Institute of Manufacturing Technology, Agency for Science, Technology and Research, Singapore（新加坡制造技术研究所，新加坡科技研究局） 纠错

AI总结 本文提出一种新型参数化多目标贝叶斯优化器，通过生成解采样和跨任务协同搜索，实现连续任务偏好空间中的解预测，避免重复昂贵评估。

Comments Accepted by IJCAI 2026

Price of Fairness in Short-Term and Long-Term Algorithmic Selections

短期和长期算法选择中的公平性代价

Shahin Jabbari, Chen Wang

机构 * Drexel University（德雷塞尔大学） ； Rensselaer Polytechnic Institute（拉特克利夫理工学院） 纠错

AI总结 研究短期和长期算法选择中的公平性与效用的权衡，通过价格公平性（PoF）分析公平政策的最优性，并展示长期投资策略可消除不平等。

Comments The short version of this paper appears in the proceedings of IJCAI-26

Multiagent Stochastic Shortest Path Problem

多智能体随机最短路径问题

Martin Jonáš, Antonín Kučera, Vojtěch Kůr, Jan Mačák, Vojtěch Řehák

AI总结 研究多智能体随机最短路径问题，旨在最小化任意智能体到达目标状态的期望时间，设计高效策略合成算法并进行实验验证。

Comments A full version of the paper that was presented at IJCAI 2026

BehaviorGuard: Online Backdoor Defense for Deep Reinforcement Learning

BehaviorGuard: 面向深度强化学习的在线后门防御

Yinbo Yu, Xueyu Yin, Jiadai Wang, Chunwei Tian, Sai Xu, Qi Zhu, Daoqiang Zhang

机构 * College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院） ； School of Cybersecurity, Northwestern Polytechnical University（西北工业大学网络安全学院） ； School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院） ； Department of Electronic and Electrical Engineering, University College London（伦敦大学学院电子与电气工程系） 纠错

AI总结 本文提出BehaviorGuard，一种基于行为的在线后门检测与缓解框架，通过分析动作分布变化识别并抑制后门行为，在单 agent 和多 agent DRL 中均有效。

Comments 11 pages

Journal ref IJCAI 2026

Refining Gelfond Rationality Principle: Towards More Comprehensive Foundational Principles for Answer Set Semantics

细化格尔福德理性原则：迈向更全面的答案集语义基础原则

Yi-Dong Shen, Thomas Eiter

机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； Institute of Logic and Computation, Vienna University of Technology (TU Wien)（维也纳技术大学逻辑与计算研究所） 纠错

AI总结 本文探讨了答案集语义的通用原则，细化格尔福德理性原则，提出新的构造方法，并分析了计算复杂性。

Comments 76 pages. This article is a significantly extended version of a paper presented by the authors at IJCAI-2022

MP2D: Constrained Monte Carlo Tree-Guided Diffusion for Multi-Objective Protein Sequence Design

MP2D：基于约束的蒙特卡洛树引导扩散的多目标蛋白质序列设计

Zitai Kong, Yifan Dong, Yixuan Wu, Zhaokang Liang, Jian Wu, Hongxia Xu

AI总结 本文提出MP2D框架，结合条件离散扩散与约束MCTS及全局迭代优化，解决多目标蛋白质序列设计中的冲突属性问题，实现高效平衡优化。

Comments 16 pages, 4 figures, 7 tables, accepted by the 35th International Joint Conference on Artificial Intelligence

Rethinking Convolutional Networks for Attribute-Aware Sequential Recommendation

重新思考面向属性的卷积网络用于序列推荐

Shereen Elsayed, Ngoc Son Le, Ahmed Rashed, Lars Schmidt-Thieme

机构 * Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany（希尔德斯海姆大学信息系统与机器学习实验室） ； VWFS Data Analytics Research Center (VWFS DARC), University of Hildesheim, Germany（希尔德斯海姆大学VWFS数据分析研究中心） ； Volkswagen Financial Services AG, Germany（德国大众金融服务有限公司） 纠错

AI总结 本文提出ConvRec，通过卷积层生成紧凑且表达力强的序列表示，以提升序列推荐效果，实验表明其优于现有方法。

Comments Accepted at IJCAI-ECAI 2026

HOI-aware Adaptive Network for Weakly-supervised Action Segmentation

面向HOI的自适应网络用于弱监督动作分割

Runzhong Zhang, Suchen Wang, Yueqi Duan, Yansong Tang, Yue Zhang, Yap-Peng Tan

机构 * Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； Beijing Jiaotong University（北京交通大学） 纠错

AI总结 本文提出AdaAct网络，通过利用视频级的时空局部人-物交互作为先验知识，动态适应HOI序列以区分模糊动作，实验验证了方法的有效性。

Comments Accepted to IJCAI 2023

A Survey of Personalized Federated Foundation Models for Privacy-Preserving Recommendation

面向隐私保护推荐的个性化联邦基础模型综述

Zhiwei Li, Guodong Long, Chunxu Zhang, Honglei Zhang, Jing Jiang, Chengqi Zhang

机构 * Australian Artificial Intelligence Institute, University of Technology Sydney（澳大利亚人工智能研究所，悉尼技术大学） ； College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院） ； Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（香港理工大学数据科学与人工智能系） 纠错

AI总结 本文综述了面向隐私保护推荐的个性化联邦基础模型，分析了联邦环境下有效的个性化技术，并讨论了基础模型在联邦架构中的适应性，以平衡泛化能力与用户特定需求。

Comments 10 pages, 6 figures, conference, position paper

Journal ref IJCAI-ECAI 2026

GraphSculptor: Sculpting Pre-training Coreset for Graph Self-supervised Learning

GraphSculptor: 为图自监督学习构建预训练核心集

Chuang Liu, Zelin Yao, Xueqi Ma, Luzhi Wang, Mukun Chen, Pinghua Xu, Wenbin Hu

机构 * Sangfor Technologies Inc.（Sangfor 技术公司） ； Wuhan University（武汉大学） ； The University of Melbourne（墨尔本大学） ； Dalian Maritime University（大连海事大学） ； Hunan University of Technology and Business（湖南工业大学；湘江实验室） ； Xiangjiang Laboratory 纠错

AI总结 本文提出GraphSculptor，通过内在结构和语义视角构建图预训练核心集，利用内在统计和预训练语言模型实现去重，理论分析证明其有效性，实验显示10%核心集性能达99.6%且训练时间减少90%。

Comments 9 pages, 5 figures, Accepted by IJCAI 2026

Graph Rewiring in GNNs to Mitigate Over-Squashing and Over-Smoothing: A Survey

图神经网络中的图重 wiring 以缓解过压缩和过平滑：综述

Hugo Attali, Nathalie Pernelle, Davide Buscaldi, Fragkiskos D. Malliaros

机构 * Université Sorbonne Paris Nord, CNRS, LIPN（巴黎- Sorbonne 大学、CNRS、LIPN） ； Université Paris-Saclay, CentraleSupélec, Inria（巴黎-萨克雷大学、CentraleSupélec、Inria） 纠错

AI总结 本文综述了图重 wiring 技术，旨在通过修改图拓扑来提升 GNN 的信息传播，探讨了最新方法的理论基础、实现方式及性能权衡。

Comments Accepted at the International Joint Conference on Artificial Intelligence (IJCAI 2026), Survey Track

Exploring the System 1 Thinking Capability of Large Reasoning Models

探索大型推理模型的系统1思维能力

Wenyuan Zhang, Shuaiyi Nie, Xinghua Zhang, Zefeng Zhang, Tingwen Liu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） 纠错

AI总结 本文研究大型推理模型的系统1思维能力，提出S1-Bench基准测试，发现现有模型在简单问题上存在准确率低和效率差的问题，揭示了模型对问题难度的隐含编码。

Comments Accepted by IJCAI 2026 (Main Track)

Online Self-Calibration Against Hallucination in Vision-Language Models

在线对抗幻觉的视觉-语言模型自我校准

Minghui Chen, Chenxu Yang, Hengjie Zhu, Dayan Wu, Zheng Lin, Qingyi Si

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） 纠错

AI总结 本文提出OSCAR框架，通过蒙特卡洛树搜索和双粒度奖励机制在线校准视觉-语言模型，减少幻觉并提升多模态能力。

Comments IJCAI 2026

Human-in-the-Loop Meta Bayesian Optimization for Fusion Energy and Scientific Applications

人机协同元贝叶斯优化用于聚变能与科学应用

Ricardo Luna Gutierrez, Sahand Ghorbanpour, Ejaz Rahman, Varchas Gopalaswamy, Riccardo Betti, Vineet Gundecha, Aarne Lees, Soumyendu Sarkar

机构 * Hewlett Packard Enterprise（惠普企业公司） ； University of Rochester（罗切斯特大学） 纠错

AI总结 本文提出HL-MBO框架，结合专家知识与少样本不确定性感知机器学习，加速数据稀缺的高风险科学领域发现，优于现有BO方法在聚变能优化和超导材料优化中的表现。

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

Graph Rewiring in GNNs to Mitigate Over-Squashing and Over-Smoothing: A Survey

图神经网络中的图重连线技术以缓解过压缩和过平滑问题：综述

Hugo Attali, Davide Buscaldi, Nathalie Pernelle, Fragkiskos D. Malliaros

机构 * Université Sorbonne Paris Nord, CNRS, LIPN（巴黎- Sorbonne大学、国家科学研究中心、LIPN实验室） ； Université Paris-Saclay, CentraleSupélec, Inria（巴黎-萨克雷大学、CentraleSupélec、Inria） 纠错

AI总结 本文综述了图重连线技术，旨在通过修改图拓扑提升GNN的信息传播，分析其理论基础、实现方法及性能权衡。

Comments Accepted at the International Joint Conference on Artificial Intelligence (IJCAI 2026), Survey Track

LLM as Clinical Graph Structure Refiner: Enhancing Representation Learning in EEG Seizure Diagnosis

基于LLM的临床图结构细化：增强EEG癫痫诊断中的表示学习

Lincan Li, Zheng Chen, Yushun Dong

机构 * Department of Computer Science, Florida State University（佛罗里达州立大学计算机科学系） ； SANKEN, The University of Osaka（大阪大学SANKEN） 纠错

AI总结 本文提出利用大语言模型对图结构进行细化，以提升EEG信号在癫痫诊断中的表示学习效果，通过两阶段框架去除冗余边，提高诊断准确率和图结构意义。

Comments This paper is accepted by the 35th International Joint Conference on Artificial Intelligence (IJCAI-ECAI 2026)

Maximum Entropy Semi-Supervised Inverse Reinforcement Learning

最大熵半监督逆强化学习

Julien Audiffren, Michal Valko, Alessandro Lazaric, Mohammad Ghavamzadeh

机构 * CMLA, ENS Cachan（CMLA，ENS巴黎-坎帕尼昂） ； SequeL team, INRIA Lille - Nord Europe（SequeL团队，INRIA里尔-北欧） ； Adobe Research（Adobe研究） 纠错

AI总结 本文提出MESSI算法，结合最大熵逆强化学习与半监督学习原理，利用未标注数据提升性能，在高速驾驶和网格世界任务中验证了其有效性。

Comments In Proceedings of the 24th International Joint Conference on Artificial Intelligence (IJCAI 2015)

[COMP25] The Automated Negotiating Agents Competition (ANAC) 2025 Challenges and Results

2025年自动谈判代理竞赛（ANAC）的挑战与结果

Reyhan Aydoğan, Tim Baarslag, Tamara C. P. Florijn, Katsuhide Fujita, Catholijn M. Jonker, Yasser Mohammad

AI总结 本文介绍了ANAC 2025竞赛中的主要研究挑战和关键发现，重点探讨多交易谈判和复杂供应链管理环境中并发谈判代理的发展，分析竞赛结果并提出未来方向。

Comments Submitted as demo to IJCAI 2026

Mamba-Based Graph Convolutional Networks: Tackling Over-smoothing with Selective State Space

基于Mamba的图卷积网络：通过选择性状态空间解决过平滑问题

Xin He, Yili Wang, Wenqi Fan, Xu Shen, Xin Juan, Rui Miao, Xin Wang

机构 * Jilin University（吉林大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 本文提出MbaGCN，通过引入Mamba范式，解决图神经网络中的过平滑问题，通过三种核心组件提升深度GNN模型的灵活性和可扩展性。

Comments Accepted by The Thirty-Fourth International Joint Conference on Artificial Intelligence (IJCAI 2025)

Group-Aware Coordination Graph for Multi-Agent Reinforcement Learning

群体感知协调图用于多智能体强化学习

Wei Duan, Jie Lu, Junyu Xuan

机构 * Australian Artificial Intelligence Institute (AAII), University of Technology（澳大利亚人工智能研究所（AAII），悉尼科技大学） 纠错

AI总结 本文提出群体感知协调图，用于捕捉智能体间合作及群体依赖，通过图卷积促进信息交换，并引入群体距离损失增强群体凝聚力。

Comments Accepted by IJCAI 2024. Update Discussion