Xi'an Jiaotong University（西安交通大学）

TED: Related Party Transaction guided Tax Evasion Detection on Heterogeneous Graph

TED：基于关联方交易的异构图偷漏税检测

Yiming Xu, Bin Shi, Bo Dong, Jiaxiang Wang, Hua Wei, Qinghua Zheng

机构 * School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； School of Distance Education, Xi’an Jiaotong University（西安交通大学继续教育学院） ； School of Computing and Augmented Intelligence, Arizona State University（亚利桑那州立大学计算与增强智能学院） 纠错

AI总结 针对现有偷漏税检测方法未能充分利用税务场景中丰富交互信息的问题，提出一种基于异构图神经网络的TED模型，通过关联方交易组过滤噪声并设计层次注意力机制捕获深层语义，在真实数据集上显著优于现有方法。

Comments Accepted by Data Mining and Knowledge Discovery (DMKD25)

GeoFaith: A Spatio-Temporal Dual View of Faithful Chain-of-Thought

GeoFaith: 时空双视角下的忠实思维链

Weijiang Lv, Wentong Zhao, Jiayu Wang, Yuhao Wu, Jiaheng Wei, Xiaobo Xia

机构 * Xidian University（西安电子科技大学） ； Xi’an Jiaotong University（西安交通大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 针对思维链推理中的事后合理化问题，提出基于潜在几何结构和熵动力学的时空框架GeoFaith，通过可扩展的引导流水线构建忠实性检测器并联合优化结果正确性、过程忠实性和轨迹一致性。

Generalist Graph Anomaly Detection via Prototype-Based Distillation

基于原型蒸馏的通才图异常检测

Yiming Xu, Zihan Chen, Zhen Peng, Song Wang, Bin Shi, Bo Dong, Chao Shen

机构 * School of Computer Science and Technology, Xi'an Jiaotong University, Xi'an, China（西安交通大学计算机科学与技术学院） ； National Engineering Research Center for Visual Information and Applications, Xi'an, China（视觉信息与应用国家工程研究中心） ； University of Virginia, Charlottesville, USA（弗吉尼亚大学） ； University of Central Florida, Orlando, USA（佛罗里达大学） ； School of Distance Education, Xi’an Jiaotong University, Xi'an, China（西安交通大学继续教育学院） ； School of Cyber Science and Engineering, Xi'an Jiaotong University, Xi'an, China（西安交通大学网络安全学院） 纠错

AI总结 提出首个无监督通才图异常检测框架ProMoS，通过知识蒸馏从冻结的自监督图神经网络教师模型中提取正常性先验，并利用原型引导的软标签蒸馏实现跨图零样本异常检测。

Comments Accepted by ICML 2026

AnySurf: Any Surface Generation with Directed Edge

AnySurf: 基于有向边的任意表面生成

Wenda Shi, Chenyuan Pan, Dengming Zhang, Yiren Song, Biao Zhang, Xingxing Zou

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Xi'an Jiaotong University（西安交通大学） 纠错

AI总结 提出AnySurf统一框架，通过有向边增强的柔性双网格表示，实现开放、封闭和混合3D表面的高质量生成，并引入ROS-FT后训练和轻量级DE-Adapter以保持生成性能。

DETR-ViP: Detection Transformer with Robust Discriminative Visual Prompts

DETR-ViP：具有鲁棒判别性视觉提示的检测Transformer

Bo Qian, Dahu Shi, Xing Wei

机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） ； State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Xi’an Jiaotong University（西安交通大学人机混合增强智能国家重点实验室） ； CCAI, Zhejiang University（浙江大学计算机辅助设计与智能交互研究院） ； Hikrobot Co., Ltd.（海康威视有限公司） 纠错

AI总结 提出DETR-ViP框架，通过全局提示集成和视觉-文本提示关系蒸馏学习可区分视觉提示，并采用选择性融合策略实现鲁棒检测，在多个数据集上显著提升视觉提示检测性能。

Comments Published as a conference paper at ICLR 2026

Communication Gain and Delay Cost Under Cross-Timestep Delays in Cooperative Multi-Agent Reinforcement Learning

跨时间步延迟下合作多智能体强化学习中的通信增益与延迟代价

Zihong Gao, Hongjian Liang, Lei Hao, Liangjun Ke

机构 * The State Key Laboratory for Manufacturing Systems Engineering（制造系统工程国家重点实验室） ； School of Automation Science and Engineering, Xi’an Jiaotong University（西安交通大学自动化科学与工程学院） 纠错

AI总结 针对部分可观测环境中跨时间步通信延迟导致的信息错位问题，提出通信增益与延迟代价（CGDC）度量，并基于此设计演员-评论家框架CDCMA，通过预测未来观测和注意力融合延迟消息来提升合作多智能体强化学习的性能、鲁棒性和泛化能力。

Beyond Binary: Turning Partial Success into Dense Verifiable Rewards for Reinforcement Learning in Code Generation

超越二元：将部分成功转化为代码生成中强化学习的密集可验证奖励

Longwen Wang, Yirui Liu, Xuan'er Wu, Xiaohui Hu, Yuankai Fan, Kaidong Yu, Qizhen Weng, Wei Xi, Xuelong Li

机构 * Institute of Artificial Intelligence, China Telecom (TeleAI)（中国电信人工智能研究院（TeleAI）） ； Xingchen AGI Lab, China Telecom Artificial Intelligence Technology (Beijing) Co., Ltd（中国电信人工智能技术（北京）有限公司Xingchen AGI实验室） ； National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Xi’an Jiaotong University（人机混合增强智能国家重点实验室，西安交通大学） 纠错

AI总结 提出VeRPO框架，利用代码测试的部分成功作为可验证密集奖励，通过动态密度校准局部奖励修正基数偏差，并与全局执行结果结合，提升代码生成强化学习的性能。