IJCAI - arXivDaily 期刊&会议

2605.10593 2026-05-12 cs.AI cs.CL cs.HC cs.SE

LLARS: Enabling Domain Expert & Developer Collaboration for LLM Prompting, Generation and Evaluation

LLARS：促进领域专家与开发者协作的LLM提示、生成与评估系统

Philipp Steigerwald, Mara Stieler, Jennifer Burghardt, Eric Rudolph, Jens Albrecht

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

2605.10151 2026-05-12 cs.LG cs.SY eess.SY math.OC

Learning to Sparsify Stochastic Linear Bandits

学习稀疏化随机线性老虎机

Zhengmiao Wang, Ming Chi, Zhi-Wei Liu, Lintao Ye, Carla Fabiana Chiasserini

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

2512.23964 2026-05-12 cs.LG cs.AI

DUALFloodGNN: Physics-informed Graph Neural Network for Operational Flood Modeling

DUALFloodGNN：用于运营洪水建模的物理信息图神经网络

Carlo Malapad Acosta, Herath Mudiyanselage Viraj Vidura Herath, Jia Yu Lim, Abhishek Saha, Sanka Rasnayaka, Lucy Marshall

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

2605.10002 2026-05-12 cs.CV

Med-StepBench: A Hierarchical Reasoning Framework for Evaluating Hallucinations in Medical Vision-Language Models

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

Minh Khoi Nguyen, Dai Lam Le, Amir Reza Jafari, Tuan Dung Nguyen, Mai Hong Son, Mai Huy Thong, Quang Huy Nguyen, Thanh Trung Nguyen, Reza Farahbakhsh, Noel Crespi, Phi Le Nguyen

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

2605.09665 2026-05-12 cs.LG cs.AI cs.CL

Learning Multi-Indicator Weights for Data Selection: A Joint Task-Model Adaptation Framework with Efficient Proxies

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

Jingze Song, Zihao Chen, Wenqing Chen, Zibin Zheng

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

2605.09542 2026-05-12 cs.AI

LLM-Guided Monte Carlo Tree Search over Knowledge Graphs: Composing Mechanistic Explanations for Drug-Disease Pairs

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

Rishabh Jakhar, Michel Dumontier, Remzi Celebi

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)

2605.09524 2026-05-12 cs.AI

Functional Stable Model Semantics and Answer Set Programming Modulo Theories

功能稳定模型语义与理论模运算中的答案集编程

Michael Bartholomew, Joohyung Lee

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

2605.09428 2026-05-12 cs.LG

FedCIGAR: A Personalized Reconstruction Approach for Federated Graph-level Anomaly Detection

FedCIGAR: 一种用于联邦图级异常检测的个性化重建方法

Yunfeng Zhao, Yixin Liu, Qingfeng Chen, Shiyuan Li, Yue Tan, Shirui Pan

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

2508.13434 2026-05-12 cs.LG cs.AI

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）

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)

2605.08992 2026-05-12 cs.LG

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）

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

2605.08897 2026-05-12 cs.LG cs.AI

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）

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

2605.08333 2026-05-12 cs.LG cs.AI cs.CL cs.PF cs.SE

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）

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