JAIR

Information-Based Calibration of Uncertainty Quantification in Product-of-Experts Gaussian Process Models

专家乘积高斯过程模型中不确定性量化的基于信息的校准

Yean Hoon Ong, Paolo Barucca, Wei Pan, Jun Wang

机构 * University College London（伦敦大学学院） ； The University of Manchester（曼彻斯特大学） 纠错

AI总结 该研究针对专家乘积高斯过程模型的后验方差高估问题，提出基于信息校准的GP-pro-c模型，在降低计算复杂度的同时，使NLL平均降2.3%、ENCE平均降12.0%，可用于高维大规模数据的贝叶斯优化。

Comments Published in the Journal of Artificial Intelligence Research, Volume 86 (2026)

Journal ref Journal of Artificial Intelligence Research, Vol. 86 (2026)

CollaFuse: Collaborative Diffusion Models

CollaFuse：协同扩散模型

Simeon Allmendinger, Domenique Zipperling, Lukas Struppek, Niklas Kühl

机构 * University of Bayreuth（巴耶鲁斯大学） ； Fraunhofer FIT（弗劳恩霍夫 FIT） ； FIM Research Center for Information Management（信息管理研究所以） ； Technical University of Darmstadt（达姆施塔特技术大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） 纠错

AI总结 本文提出CollaFuse协同扩散模型，通过本地保留数据和轻量计算，将高计算任务转移至服务器，降低客户端负担，提升性能并减少数据泄露风险。

Journal ref Journal of Artificial Intelligence Research (JAIR), Vol. 86 (2026)

How To Discover Short, Shorter, and the Shortest Proofs of Unsatisfiability: A Branch-and-Bound Approach for Resolution Proof Length Minimization

Konstantin Sidorov, Koos van der Linden, Gonçalo Homem de Almeida Correia, Mathijs de Weerdt, Emir Demirović

机构 * Delft University of Technology（代尔夫特理工大学） 纠错

Comments 42 pages, 16 figures, 8 tables, submitted to Journal of Artificial Intelligence Research

Towards Unified Approaches in Self-Supervised Event Stream Modeling: Progress and Prospects

迈向自监督事件流建模的统一方法：进展与展望

Levente Zólyomi, Tianze Wang, Sofiane Ennadir, Oleg Smirnov, Lele Cao

机构 * Johannes Kepler University & NXAI GmbH（约翰尼斯·开普勒大学及NXAI GmbH） ； Kreditz AB（Kreditz公司） ； King AI Labs, Microsoft Gaming（King人工智能实验室、微软游戏） 纠错

AI总结 本文综述了自监督学习在事件流建模中的统一方法，分析了不同领域的方法适用性，并提出了未来研究方向以开发更通用的SSL框架。

Comments Accepted by JAIR

Weighted First-Order Model Counting over Ordered Domains

有序域上的加权一阶模型计数

Jan Tóth, Qipeng Kuang, Kuncheng Zou, Václav Kůla, Yuyi Wang, Yuanhong Wang, Ondřej Kuželka

AI总结 本研究针对有序域提出带线性序公理的WFOMC多项式时间算法，还分析双线性序场景的WFOMC复杂度，推进了该问题的难解性边界。

Comments Submitted to JAIR

Symbol Grounding in Neuro-Symbolic AI: A Gentle Introduction to Reasoning Shortcuts

神经符号AI中的符号接地：推理快捷方式的入门介绍

Emanuele Marconato, Samuele Bortolotti, Emile van Krieken, Paolo Morettin, Elena Umili, Antonio Vergari, Efthymia Tsamoura, Andrea Passerini, Stefano Teso

机构 * University of Trento（特伦托大学） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； Sapienza University of Rome（罗马大学） ； University of Edinburgh（爱丁堡大学） ； Huawei Labs（华为实验室） 纠错

AI总结 本文探讨神经符号AI中推理快捷方式的问题，分析其成因与影响，并提供解决方法与策略，以提升模型的可靠性和可信度。

Comments Published on JAIR (Integration of Logical Constraints in Deep Learning special track)

Text Generation: A Systematic Literature Review of Tasks, Evaluation, and Challenges

文本生成：关于任务、评估与挑战的系统文献综述

Jonas Becker, Jan Philip Wahle, Bela Gipp, Terry Ruas

机构 * University of Göttingen（哥廷根大学） ； LKA NRW（北莱茵-威斯特伐利亚州刑事侦查局） 纠错

AI总结 该系统综述梳理2017-2025年257篇论文，划分文本生成五大任务，评估三类方法，指出任务特有与共有的9项挑战，为NLP领域不同阶段研究者提供领域概览与研究方向参考。

Comments Published in the Journal of Artificial Intelligence Research (JAIR)

Hierarchical Reinforcement Learning with Optimal Level Synchronization Based on Flow-Based Deep Generative Model

基于流基深度生成模型的最优层级同步分层强化学习

JaeYoon Kim, Junyu Xuan, Christy Liang, Farookh Hussain

机构 * University of Technology Sydney（悉尼科技大学） 纠错

AI总结 研究强化学习中高维状态等复杂场景，提出基于流基深度生成模型支持直接离策略校正的新型分层强化学习模型，利用模型逆操作与解决其局限性，经实验验证该模型性能优于现有模型。

Comments Published in the Journal of Artificial Intelligence Research (JAIR), Volume 86, 2026. This version corresponds to the published JAIR article

Journal ref Journal of Artificial Intelligence Research, 86, Article 28 (2026), 25 pages

A Neuro-Symbolic Approach for Probabilistic Reasoning on Graph Data

一种用于图数据概率推理的神经符号方法

Raffaele Pojer, Andrea Passerini, Kim G. Larsen, Manfred Jaeger

机构 * Aalborg University（奥尔堡大学） ； University of Trento（特伦托大学） 纠错

AI总结 本文提出神经符号框架，将GNNs集成到RBNs中，结合二者优势。开发两种集成实现及MAP推理方法，通过节点分类转换和环境规划问题展示通用性，引入新基准数据集，为图数据处理带来新方法，提升多样任务性能。

Comments Submitted to the Journal of Artificial Intelligence Research (JAIR); under revision. 43 pages, 10 figures. Code available at https://github.com/raffaelepojer/NeSy-for-graph-data

How to DP-fy Your Data: A Practical Guide to Generating Synthetic Data With Differential Privacy

如何让你的数据实现差分隐私：使用差分隐私生成合成数据的实用指南

Natalia Ponomareva, Zheng Xu, H. Brendan McMahan, Peter Kairouz, Lucas Rosenblatt, Vincent Cohen-Addad, Cristóbal Guzmán, Ryan McKenna, Galen Andrew, Alex Bie, Da Yu, Alex Kurakin, Morteza Zadimoghaddam, Sergei Vassilvitskii, Andreas Terzis

机构 * Google Research USA（谷歌DeepMind） ； NYU Work done at Google as part of student researcher engagement New York NY USA ； Google Research New York NY USA ； Institute for Mathematical ； Computational Engineering, Faculty of Mathematics ； School of Engineering, Pontificia Universidad Cat\'olica de Chile Santiago Chile ； Google DeepMind Mountain View CA USA ； Google Research ； School of Engineering, Pontificia Universidad Cat\'olica de Chile ； Google DeepMind 纠错

AI总结 研究如何利用差分隐私生成合成数据，探讨相关技术、保护类型及不同模态进展，概述系统组件，旨在推动差分隐私合成数据应用，促进研究并增强信任。

Journal ref JAIR 2026, vol. 86 JAIR, Vol. 86

Explainable Bayesian deep learning through input-skip Latent Binary Bayesian Neural Networks

通过输入跳跃潜在二元贝叶斯神经网络实现可解释的贝叶斯深度学习

Eirik Høyheim, Lars Skaaret-Lund, Solve Sæbø, Aliaksandr Hubin

机构 * Norwegian University of Life Sciences Ås（挪威生命科学大学 Ås） 纠错

AI总结 研究用人工神经网络建模自然现象的问题，核心方法是提出输入跳跃潜在二元贝叶斯神经网络。主要贡献是简化网络、量化不确定性、识别协变量、调整非线性，还引入活跃路径增强解释。

Comments 42 pages, 22 tables, 24 figures. Code available at https://github.com/eirihoyh/ISLaB-LBBNN/tree/JAIR

Journal ref Journal of Artificial Intelligence Research 86, Article 16 (2026) 1-42

Causal Explanations for Image Classifiers

图像分类器的因果解释

Hana Chockler, David A. Kelly, Daniel Kroening, Youcheng Sun

机构 * King's College London（伦敦国王学院） ； Amazon.com, Inc.（亚马逊公司） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Manchester（曼彻斯特大学） 纠错

AI总结 本文提出基于实际因果理论的新型黑盒方法，证明算法终止性并展示其在解释效率和精度上的优势。

Comments Accepted to Journal of Artificial Intelligence Research (JAIR). A subset of the contribution was published in ICCV 2021

Journal ref Journal of Artificial Intelligence Research, vol 86, 2026

A Concept of Possibility for Real-World Events

现实世界事件的可能性概念

Daniel G. Schwartz

机构 * Florida State University（佛罗里达州立大学） 纠错

AI总结 提出一种基于事件前提与约束概率计算可能性的新概念，用于规划问题中评估计划可行性，并以车辆路径规划为例说明。

Comments Submitted to Journal of Artificial Intelligence Research (JAIR), June 25, 2026

Exploiting Search in Symbolic Numeric Planning with Patterns

利用模式在符号数值规划中进行搜索

Matteo Cardellini, Enrico Giunchiglia

机构 * DIBRIS, University of Genoa（热那亚大学DIBRIS） 纠错

AI总结 提出基于符号模式规划(SPP)的数值规划过程，通过动态重计算模式并利用中间状态引导搜索，提高规划效率。

Comments Under Review at the Journal of Artificial Intelligence Research

It's About Time: Temporal References in Emergent Communication

关于时间：涌现通信中的时间指代

Olaf Lipinski, Adam J. Sobey, Federico Cerutti, Timothy J. Norman

机构 * University of Southampton（索姆塞特大学） ； The Alan Turing Institute（艾伦·图灵研究所） ； University of Brescia（布雷西亚大学） 纠错

AI总结 研究涌现通信中时间指代缺失问题，发现仅改变损失函数不足，需修改架构（分批方法）才能使时间指代涌现，95%以上代理成功，为提升通信效率奠定基础。

Comments 23 pages main body and 31 pages supplementary material, 9 figures in main body. Code available at https://github.com/olipinski/TRG

Journal ref Journal of Artificial Intelligence Research 86, Article 11 (June 2026)

Beyond Runtime Enforcement: Shield Synthesis as Defensibility Analysis for Adversarial Networks

超越运行时强制：作为对抗网络可防御性分析的盾牌合成

Achraf Hsain, Sultan Almuhammadi

机构 * Information and Computer Science Department, King Fahd University of Petroleum and Minerals（信息与计算机科学系，法赫德国王石油矿产大学） 纠错

AI总结 提出将盾牌合成重新解释为设计时分析工具，通过约束双人安全博弈生成可防御性判定，并融合拓扑度量和强化学习行为形成可防御性指纹，揭示系统安全的结构性见解。

Comments 26 pages, 7 figures, 7 tables. Under review at JAIR. Code: https://github.com/AchrafHsain7/Bastion

Differential Parity: Relative Fairness Between Two Sets of Decisions

差分奇偶性：两组决策之间的相对公平性

Zhe Yu, Xiaoyin Xi, Pranam Prakash Shetty

机构 * Rochester Institute of Technology（罗切斯特理工学院） 纠错

AI总结 本文提出差分奇偶性概念，通过比较两组决策对敏感属性的独立性来评估相对公平性，避免了绝对公平定义的模糊性，并可在有或无参考集时分别作为群体公平度量或揭示偏好/偏见。

Comments Accepted by JAIR

Score Function Gradient Estimation to Widen the Applicability of Decision-Focused Learning

评分函数梯度估计以拓宽决策聚焦学习的适用性

Mattia Silvestri, Senne Berden, Jayanta Mandi, Ali İrfan Mahmutoğulları, Brandon Amos, Tias Guns, Michele Lombardi

机构 * University of Bologna（博洛尼亚大学） ； KU Leuven（鲁汶大学） ； Meta 纠错

AI总结 提出一种结合随机平滑与评分函数梯度估计的方法，无需对问题结构做特定假设，即可将决策聚焦学习扩展到非线性目标、约束中不确定参数及两阶段随机优化问题。

Journal ref Silvestri, Mattia, et al. "Score Function Gradient Estimation to Widen the Applicability of Decision-Focused Learning." Journal of Artificial Intelligence Research 85 (2026)

Robotics-Inspired Guardrails for Foundation Models in Socially Sensitive Domains

受机器人启发的用于社会敏感领域基础模型的护栏

Rebecca Ramnauth, Drazen Brscic, Brian Scassellati

机构 * Yale University（耶鲁大学） ； Kyoto University（京都大学） 纠错

AI总结 本文提出了一种基于机器人学的护栏框架，用于在社会敏感领域中对基础模型进行运行时行为控制，以减少交互轨迹中向不良状态的漂移，并适应多样化的社会情境。

Comments Under review at Journal of Artificial Intelligence Research (JAIR)

Honey, I shrunk the hypothesis space (through logical preprocessing)

我缩小了假设空间（通过逻辑预处理）

Andrew Cropper, Filipe Gouveia, David M. Cerna

机构 * ELLIS Institute（ELLIS研究所） ； University of Helsinki（赫尔辛基大学） ； Czech Academy of Sciences Institute of Computer Science（捷克科学院计算机科学研究所） ； Dynatrace Research（Dynatrace研究） 纠错

AI总结 本文提出通过逻辑预处理缩小假设空间，利用背景知识去除不可能的规则，提升ILP系统的学习效率和预测精度。

Comments Published in JAIR

Journal ref Journal of Artificial Intelligence Research, Vol. 85 (2026)

Multi-Agent Pathfinding Under Team-Connected Communication Constraint via Adaptive Path Expansion and Dynamic Leading

基于团队连接通信约束的多智能体路径规划：通过自适应路径扩展和动态领导技术

Hoang-Dung Bui, Erion Plaku, Gregoy J. Stein

机构 * George Mason University（乔治·马歇尔大学） 纠错

AI总结 本文提出了一种新的多智能体路径规划框架，解决在团队连接通信约束下路径规划的问题。通过自适应路径扩展和动态领导技术，有效处理通信约束下的路径规划，实验证明在不同环境中能高效处理大量智能体。

Journal ref Journal of Artificial Intelligence Research, 85(46) (2026)

Auto-Relational Reasoning

自动关系推理

Ioannis Konstantoulas, Dimosthenis Tsimas, Pavlos Peppas, Kyriakos Sgarbas

机构 * Department of Electrical and Computer Engineering, University of Patras（电子与计算机工程系，帕特拉大学） 纠错

AI总结 本文提出一种结合人工神经网络的自动关系推理框架，通过理论分析和实践验证，实现了无需先验知识的高准确率问题解决，展示了在少样本或零样本情况下解决问题的能力。

Comments Submitted to JAIR

Understanding AI Trustworthiness: A Scoping Review of AIES & FAccT Articles

理解人工智能可信性：AIES与FAccT文章的综述

Siddharth Mehrotra, Jin Huang, Xuelong Fu, Roel Dobbe, Clara I. Sánchez, Maarten de Rijke

机构 * University of Amsterdam \& Delft University of Technology The Netherlands ； University of Cambridge United Kingdom ； University of Amsterdam The Netherlands ； Delft University of Technology The Netherlands ； University of Amsterdam \& Delft University of Technology ； University of Cambridge ； University of Amsterdam ； Delft University of Technology 纠错

AI总结 本文通过综述AIES和FAccT会议论文，探讨人工智能可信性的概念、测量与验证方法，揭示技术与社会维度的不足，提出跨学科研究的重要性。

Comments Submitted to Journal of Artificial Intelligence Research (JAIR)

Journal ref Journal of Artificial Intelligence Research (2026)

Integrating Column Generation and Large Neighborhood Search for Bus Driver Scheduling with Complex Break Constraints

将列生成与大邻域搜索整合用于具有复杂休息约束的公交司机调度问题

Lucas Kletzander, Tommaso Mannelli Mazzoli, Nysret Musliu, Pascal Van Hentenryck

AI总结 本文提出将列生成与大邻域搜索整合的方法，用于解决具有复杂休息约束的公交司机调度问题，通过改进B&P和LNS方法，提高不同规模实例的求解质量。

Journal ref Journal of Artificial Intelligence Research 85 (2026) 44:1-44:37

Towards Verified and Targeted Explanations through Formal Methods

通过形式方法实现验证和定向的解释

Hanchen David Wang, Diego Manzanas Lopez, Preston K. Robinette, Ipek Oguz, Taylor T. Johnson, Meiyi Ma

机构 * Vanderbilt University（范德比大学） 纠错

AI总结 本文提出ViTaX框架，通过形式方法生成具有数学保证的定向半事实解释，解决传统XAI方法在可解释性和可信度上的不足。

Comments Paper has been accepted at JAIR

A Comprehensive Survey of Agents for Computer Use: Foundations, Challenges, and Future Directions

用于计算机的代理全面综述：基础、挑战与未来方向

Pascal J. Sager, Benjamin Meyer, Peng Yan, Rebekka von Wartburg-Kottler, Layan Etaiwi, Aref Enayati, Gabriel Nobel, Ahmed Abdulkadir, Benjamin F. Grewe, Thilo Stadelmann

机构 * Zurich University of Applied Sciences（苏黎世应用科技大学） ； University of Zurich（苏黎世大学） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； University of Fribourg（弗里堡大学） ； European Centre for Living Technology（欧洲生活技术中心） 纠错

AI总结 本文综述了用于计算机的代理（ACUs）的发展现状、趋势及研究空白，提出统一的分类体系，分析了六个主要研究缺口，并提出改进方向。

Journal ref Journal of Artificial Intelligence Research, vol. 85, 2026

The Democratic Ontology Deficit: How AI Systems Fail to Represent What Democracy Requires

民主本体论缺失：AI系统如何未能代表民主所需的内容

Robert M. Ceresa, Juan E. Ceresa

AI总结 本文探讨AI系统在民主机构生活中本体结构上的缺失，通过对比民主代理需求与AI学习的本体结构，发现角色和身份的代表性不足，提出利用现有工具进行公民对齐的研究方案。

Comments 21 pages, 5 tables, under review at JAIR

Mitigating Value Hallucination in Dyna Planning via Multistep Predecessor Models

通过多步前驱模型缓解Dyna规划中的价值幻觉

Farzane Aminmansour, Taher Jafferjee, Ehsan Imani, Erin Talvitie, Micheal Bowling, Martha White

机构 * Dept of Computer Science, Harvey Mudd College, USA（美国哈维穆德学院计算机科学系） 纠错

AI总结 本文提出通过多步前驱模型改进Dyna算法，以减少环境模型误差导致的价值幻觉问题，实验验证了该方法的有效性。

Comments Published in Journal of Artificial Intelligence (JAIR) in 2024. Updated to published version, changed title to JAIR version, added a new author that led the submission

Qiana: A First-Order Formalism to Quantify over Contexts and Formulas with Temporality

Qiana：一种用于量化上下文和具有时间性的公式的一阶形式化方法

Simon Coumes, Pierre-Henri Paris, François Schwarzentruber, Fabian Suchanek

AI总结 Qiana通过量化公式和上下文，能够表达如'所有人知道Alice所说的一切'，并支持在上下文中使用paraconsistent逻辑，基于一阶逻辑且可有限公理化，适用于表示时间性、事件演算和模态逻辑。

Journal ref Journal of Artificial Intelligence Research, 2026, 85

Improving Plan Execution Flexibility using Block-Substitution

通过块替换提高计划执行灵活性

Sabah Binte Noor, Fazlul Hasan Siddiqui

机构 * Dhaka University of Engineering \& Technology Gazipur Bangladesh ； Dhaka University of Engineering \& Technology 纠错

AI总结 本文通过块替换方法提升计划灵活性，利用块分解部分顺序计划（BDPO）结构，结合MaxSAT重新排序策略，在国际规划竞赛基准问题中显著提升执行灵活性。

Journal ref . Improving Plan Execution Flexibility using Block-Substitution. Journal of Artificial Intelligence Research 85, Article 35 (March 2026)