IJCAI

S$^2$-VLA: State-Space Guided Vision-Language-Action Models for Long-Horizon Manipulation

S$^2$-VLA：面向长时程操作的基于状态空间的视觉-语言-动作模型

Zhipeng Xie, Zongyi Han, Xiangyi Wei, Shiliang Sun, Yang Li, Jing Zhao

机构 * School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； State Key Laboratory of Submarine Geoscience, School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院海底科学国家重点实验室） 纠错

AI总结 针对长时程操作任务中累积误差导致性能下降的问题，提出S$^2$-VLA框架，通过状态空间引导的自适应注意力机制动态融合视觉、语言和动作信息，在LIBERO等基准上超越7B模型。

Comments Accepted to IJCAI 2026

WattLayer: Get Layers Right to Estimate Inference Energy of Neural Networks

WattLayer: 正确分层以估计神经网络的推理能耗

Adrien Sardi, Marie-Line Alberi Morel, Sara Alouf, Frédéric Giroire, Joanna Moulierac

机构 * Bell Labs, Nokia Networks France（诺基亚网络法国贝尔实验室） ； Inria, Université Côte d’Azur, France（法国国家信息与自动化研究所，蔚蓝海岸大学） ； Université Côte d’Azur, CNRS, Inria, I3S, France（蔚蓝海岸大学，法国国家科学研究中心，法国国家信息与自动化研究所，信息与系统科学实验室） 纠错

AI总结 提出一种任务无关的逐层能耗估计模型，在超过10万层、295种架构的数据集上中位误差19.6%，优于现有方法，并展示逐层分解可通过共享层泛化到新任务。

Comments Accepted at IJCAI-ECAI 2026 Workshop SuRE

Global Explanations for Multivariate Time Series Forecasting Models via $K$-Order Markov Approximations

通过$K$阶马尔可夫逼近的多变量时间序列预测模型的全局解释

Amadeo Tunyi

机构 * XITASO GmbH 纠错

AI总结 提出KARMA方法，通过构建马尔可夫替代模型捕捉时间依赖，从三个核心方面（最小历史长度、最优转移核、五级全局解释层次）解释时间序列预测器，在真实和合成数据上验证其恢复因果结构和识别时间依赖的能力。

Comments Accepted at the Workshop on Explainable Artificial Intelligence (XAI), International Joint Conference on Artificial Intelligence (IJCAI 2026)