IJCAI

Accelerating Masked Diffusion Large Language Models: A Survey of Efficient Inference Techniques

加速掩码扩散大语言模型：高效推理技术综述

Daehoon Gwak, Minhyung Lee, Junwoo Park, Jaegul Choo

机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Yonsei University（延世大学） 纠错

AI总结 综述介绍用于扩散大语言模型的统一延迟分解框架，以理清算法、架构和系统因素对推理速度的影响，将加速技术分类，提供可重复基准测试指导方针并强调实现并行生成潜力的挑战。

Comments Accepted at IJCAI-ECAI 2026 (Survey Track)

TextGaze: Prompting Gaze Target Estimation with Textual Scene Cues

TextGaze：利用文本场景线索提示注视目标估计

Junhui She, Fei Wang, Kun Li, Yiqi Nie, Yuxin Liu, Zhangling Duan, Xun Yang

机构 * University of Science and Technology of China（中国科学技术大学） ； Hefei University of Technology（合肥工业大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） ； Anhui University（安徽大学） ； United Arab Emirates University（阿联酋大学） 纠错

AI总结 研究注视目标估计问题，提出TextGaze统一跨模态架构，利用大型视觉语言模型平衡多分支与简化设计范式，通过冻结编码器提取视觉特征、设计融合模块等进行联合预测，在多数据集上评估有竞争力，为传统设计提供简化替代。

Comments Accepted by IJCAI 2026. All contents are available at: https://github.com/idremo/TextGaze-IJCAI2026

Knowledge Graphs and Explainable AI as Complementary Resources for Urban Mining

知识图谱与可解释人工智能作为城市采矿的互补资源

Jan Gronewald, Andreas Emrich, Nijat Mehdiyev

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） 纠错

AI总结 研究城市采矿中拆除前评估，基于信息系统资源传统，提出知识图谱与可解释人工智能的四种整合模式，解锁决策可辩护性属性，以满足拆除前评估对监管工件的需求，通过防火门示例说明模式。

Comments Accepted for presentation at the AISE Workshop @ IJCAI-ECAI 2026

Early to Share, Late to Save: Synchronisation-Driven Communication Gating in Bandwidth-Constrained Cooperative VLN

尽早共享，延迟保存：带宽受限协作式视觉语言导航中的同步驱动通信门控

Arav Gupta, Nivedan Yakolli, Avinash Gautam

机构 * Birla Institute of Technology（巴里尔技术学院） 纠错

AI总结 研究带宽受限协作式VLN，提出事后诸葛亮门控，通过循环隐藏状态对齐解释智能体通信模式，实验表明该方法能在带宽受限下实现高效通信，为具身智能体建立新通信机制。

Comments Accepted at the IJCAI 2026 GLOW Workshop. To appear in Springer Communications in Computer and Information Science (CCIS)

DaV-Gen: End-to-End Generative Retrieval via Draft-and-Verify

DaV-Gen：通过草稿与验证实现的端到端生成式检索

Meng Zhao, Chunmei Liu, Qinyong Wang

AI总结 针对主流工业信息检索系统问题，DaV-Gen通过“草稿与验证”机制，在训练时用复合损失函数同时优化候选草稿和细粒度验证，推理时兼顾速度与精度，实现端到端生成式检索，重构搜索和推荐范式。

Comments Accepted by IJCAI'26

X-FEMR: A Token-level Explainable Approach for Electronic Health Records Foundation Models using Transformer-based Models

X-FEMR：一种使用基于Transformer的模型对电子健康记录基础模型进行令牌级可解释的方法

Jie Huang, Pengfei Yin, Zihan Xu, Daniel Capurro, Mike Conway, Ting Dang

机构 * School of Computing and Information Systems, University of Melbourne（墨尔本大学计算与信息系统学院） ； Royal Melbourne Hospital（皇家墨尔本医院） 纠错

AI总结 针对电子健康记录基础模型是黑箱模型的问题，提出基于Transformer的令牌级可解释性方法，训练替代模型近似其行为，识别有影响力令牌，引入临床对齐度量，结果显示该方法能实现可解释且可信的临床人工智能。

Comments Accepted by IJCAI-ECAI 2026 AI and Health Track

ASK in the Dark: Uncertainty-Gated LLM Assistance under Partial Observability

黑暗中的询问：部分可观测性下的不确定性门控语言模型辅助

Juarez Monteiro, Nathan Gavenski, Guilherme Lima, Francisco Galuppo, Odinaldo Rodrigues, Adriano Veloso

机构 * Kunumi Institute（库努米研究所） ； King’s College London（伦敦国王学院） 纠错

AI总结 研究部分可观测性下强化学习智能体，指出普通不确定性门控方法失败原因是上下文问题。提出ASK+，为语言模型提供轨迹感知上下文和结构化推理，证明预测熵信号可行，在多环境中取得更好效果，强调提示设计重要性。

Comments Accepted at the IJCAI-ECAI Joint Workshop on Planning for Complex Real-World Applications and Bridging the Gap Between AI Planning and (Reinforcement) Learning

Two Black Boxes, One Solver: Encoder Probing and Decoder Attribution for Neural Multi-Attribute VRP under Hard-Mask and Recourse Decoders

两个黑箱，一个求解器：硬掩码和追索解码器下神经多属性车辆路径规划问题的编码器探测与解码器归因

Sohaib Afifi

机构 * Univ. Artois, UR 3926, Laboratoire de Génie Informatique et d’Automatique de l’Artois (LGI2A)（阿图瓦大学，UR 3926，阿图瓦信息工程与自动化实验室（LGI2A）） 纠错

AI总结 研究神经自回归求解器解决多属性车辆路径规划问题，通过线性探测等方法打开编码器黑箱，用三种归因方法打开解码器黑箱，从多方面对解释进行评分，发现多种影响及特性。

Comments Accepted at the IJCAI-ECAI 2026 Workshop on Explainable Artificial Intelligence (XAI), Bremen, Germany. 8 pages

WattGPU: Predicting Inference Power and Latency on Unseen GPUs and LLMs

WattGPU: 在未见过的GPU和LLM上预测推理功耗和延迟

Mauricio Fadel Argerich, Jonathan Fürst, Marta Patiño-Martínez

机构 * Universidad Politécnica de Madrid（马德里理工大学） ； Zurich University of Applied Sciences（苏黎世应用科学大学） 纠错

AI总结 提出WattGPU模型，利用公开的LLM元数据和GPU规格，无需硬件访问即可预测平均GPU功耗和令牌间延迟，在未见过的GPU和LLM上误差低至3.4%，优于基线方法。

Comments Accepted at 1st Workshop on Sustainability and Resource-Efficiency of Artificial Intelligence @ IJCAI 2026

Beyond Heatmaps: Unsupervised Concept-Graph Reasoning for Interpretable Visual Explanation

超越热力图：面向可解释视觉的无监督概念图推理

Md Mohasin Hossain, Anar Amirli, Robert Leist, Md Abdul Kadir, Daniel Sonntag

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； Saarland University（萨尔大学） ； Oldenburg University（奥尔登堡大学） ； BEGO GmbH & Co. KG（BEGO有限两合公司） 纠错

AI总结 提出G-CBM模型，通过非负矩阵分解无监督发现概念，构建图像级概念图，利用图注意力网络进行概念级推理，在多个数据集上平均AUC提升3.7%。

Comments Accepted at the IJCAI-ECAI 2026 Workshop on Explainable Artificial Intelligence (XAI), Bremen, Germany. 7 pages, 4 figures

VLM-AR3L: Vision-Language Models for Absolute and Relative Rewards in Reinforcement Learning

VLM-AR3L：用于强化学习中绝对和相对奖励的视觉-语言模型

Kuan-Chen Chen, Winston Chen, Wei-Fang Sun, Min-Chun Hu

机构 * National Tsing Hua University（国立清华大学） ； NVIDIA AI Technology Center (NVAITC)（英伟达AI技术中心） 纠错

AI总结 提出VLM-AR3L框架，利用视觉-语言模型从偏好标签中学习绝对和相对奖励，结合状态评估与比较监督，在多种基准任务中优于先前方法。

Comments Accepted at IJCAI 2026. Project website: https://vlm-ar3l.github.io/

Joint Medical Image Enhancement and Segmentation with Diffusion-based Symbiotic Information Interaction

基于扩散的共生信息交互的联合医学图像增强与分割

Ying Chen, Jinyue Li, Qiankun Li

机构 * Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学深圳研究院） ； University of Science and Technology of China（中国科学技术大学） ； Imperial Global Singapore, Imperial College London（伦敦帝国学院新加坡分校） 纠错

AI总结 提出DiSIINet，利用扩散模型和共生信息交互模块，在统一框架中实现图像增强与分割的相互促进，在多模态医学图像上取得显著性能提升。

Comments Accepted by IJCAI 2026

Loc2Repair: A Framework for Evaluating the Impact of File-Level Issue Localization in Repo-Level LLM Repair

Loc2Repair：评估文件级问题定位在仓库级LLM修复中影响的框架

Mohammad Nour Al Awad, Sergey Ivanov

机构 * ITMO University（ITMO大学） 纠错

AI总结 提出Loc2Repair模块化评估框架，通过解耦定位与修复，在SWE-bench Verified上验证文件级定位能一致提升修复率（44.7%→49.1%）并降低平均耗时。

Comments To appear in the Proceedings of the Generative Code Intelligence Workshop (GeCoIn 2026), co-located with the 35th International Joint Conference on Artificial Intelligence (IJCAI-ECAI 2026), Bremen, Germany, August 15--17, 2026

Improving Survey Participation in Low-Literacy Populations Through Value-Sensitive Conversational AI

通过价值敏感的对话式AI提高低识字率人群的调查研究参与度

Raj Gaurav Maurya

机构 * Technical University of Munich（慕尼黑工业大学） 纠错

AI总结 本研究通过对比多种调查方式，发现结合价值敏感设计的对话式AI能显著提高低识字率女性的调查完成率，强调了人本设计在包容性数据收集中的重要性。

Comments Accepted at the IJCAI-ECAI 2026 AI and Social Good Track

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)

Speaking Numbers to LLMs: Multi-Wavelet Number Embeddings for Time Series Forecasting

向LLM讲述数字：用于时间序列预测的多小波数字嵌入

Defu Cao, Zijie Lei, Muyan Weng, Jiao Sun, Yan Liu

机构 * University of Southern California（南加州大学） ； Meta ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 提出TempoWave，一种即插即用的多小波数字嵌入接口，将标量观测映射为数字级嵌入，以对齐LLM的离散分词与连续数值，提升时间序列预测的排序准确性和可靠性。

Comments Camera Ready version of IJCAI 2026

FedUP: One-Shot Federated Unlearning via Centroid-Guided Plug-in Filters

FedUP: 基于质心引导的即插即用过滤器的一次性联邦遗忘学习

Feihong Nan, Zhengyi Zhong, Pan Wang, Weidong Bao, Xiongtao Zhang, Quan Wen, Ji Wang

机构 * National Key Laboratory of Big Data and Decision, National University of Defense Technology（国防科技大学大数据与决策国家重点实验室） 纠错

AI总结 提出FedUP框架，利用轻量级可插拔过滤器作为“知识漏斗”，通过差分隐私保护的类质心样本在服务器端训练过滤器，实现一次性联邦遗忘，避免多轮通信和重训练，将遗忘延迟从分钟降至秒级。

Comments Accepted by IJCAI 2026

Reinforcement Learning for Computer-Use Agents with Autonomous Evaluation

基于自主评估的计算机使用智能体强化学习

Marta Sumyk, Oleksandr Kosovan

机构 * Ukrainian Catholic University（乌克兰天主教大学） 纠错

AI总结 提出利用视觉语言模型自主评估任务完成度作为奖励信号，并引入噪声校正方法，在多个桌面环境上提升计算机使用智能体的成功率。

Comments Accepted to the 4th International Workshop on Generalizing from Limited Resources in the Open World (GLOW @ IJCAI 2026)

Beyond Logprobs: A Multi-Signal Confidence Engine for LLM-Based Document Field Extraction

超越Logprobs：基于LLM的文档字段提取的多信号置信度引擎

Nitesh Kumar

机构 * Perfios Software Solutions Pvt. Ltd.（Perfios软件解决方案私人有限公司） 纠错

AI总结 提出ExtractConf，通过双视角文档解析（字段引导与文档引导）的不一致性，融合多信号实现高可靠置信度估计，在DocILE上AUC达0.928，准确率99.1%。

Comments Extended version of a paper accepted (Oral) at the RobustifAI Workshop, IJCAI-ECAI 2026, Bremen, Germany. 9 pages, 5 figures, 2 tables

SPOTR: Spatio-temporal Pooling One-Token Reconstruction for Universal Physiological Signal Self-supervised Learning

SPOTR: 面向通用生理信号自监督学习的时空池化单令牌重建

Yiyu Gui, Mingzhi Chen, Yuesheng Zhu, Guibo Luo, Yuchao Yang

机构 * New Cornerstone Science Laboratory, Guangdong Provincial Key Laboratory of In-Memory Computing Chips, Shenzhen Graduate School, Peking University（新基石科学实验室，广东省存算一体芯片重点实验室，北京大学深圳研究生院） ； Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（广东省超高清沉浸式媒体技术重点实验室，北京大学深圳研究生院） 纠错

AI总结 提出SPOTR框架，通过单令牌全局瓶颈压缩-重建预训练，解决生理信号自监督学习在异构数据集上的性能瓶颈，在线性探测下显著提升AUC并降低计算开销。

Comments The paper has been accepted by IJCAI-ECAI 2026

Provably Sub-Linear Two-Timescale NeuroEvolution with Online Plasticity

具有在线可塑性的可证明次线性双时间尺度神经进化

Shishen Lin, Yixin Chen

机构 * Department of Statistics, University of Warwick（华威大学统计系） ； Biozentrum, University of Basel（巴塞尔大学生物中心） 纠错

AI总结 提出双时间尺度神经进化在线学习框架，外环搜索架构、内环通过奖励调制可塑性在线调整权重，证明次线性遗憾，在控制任务上优于纯NEAT且与强化学习基线竞争。

Comments 28 pages; Accepted at IJCAI-ECAI 2026

Neuro-Symbolic Agents for Regulated Process Automation: Challenges and Research Agenda

用于受规管流程自动化的神经符号代理：挑战与研究议程

Alexander Rombach, Chantale Lauer, Nijat Mehdiyev

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） ； Saarland University（萨尔大学） 纠错

AI总结 提出将领域内符号结构（法规、流程模型、合规约束）作为代理核心架构组件，实现合规性内置（compliance-by-construction）以补充护栏监控，并列出神经符号研究挑战。

Comments Accepted as a poster in NILA Workshop @ IJCAI-ECAI 2026

SpatialSV: Internalizing Interpretable 3D Spatial Awareness in MLLMs via Task-Oriented Visual Supervision

SpatialSV: 通过任务导向的视觉监督在多模态大语言模型中内化可解释的3D空间感知

Jiayu Tang, Yuchen Zhou, Chao Gou

机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能工程学院） 纠错

AI总结 提出SpatialSV框架，通过任务导向的视觉监督将MLLM的2D特征提升为显式3D表示（深度图、相机姿态、点云），实现可解释的3D空间感知内化，无需外部工具，并在半监督设置中展现强泛化能力。

Comments Accepted by IJCAI 2026

scGTN: Deep Siamese Graph Transformer Network for Single-cell RNA Sequencing Clustering

scGTN：用于单细胞RNA测序聚类的深度孪生图变换网络

Jinke Wu, Yifan Wang, Siyu Yi, Caiyang Yu, Ziyue Qiao, Nan Yin, Jiancheng Lv, Wei Ju

机构 * Sichuan University（四川大学） ； University of International Business and Economics（对外经济贸易大学） ； Great Bay University（大湾区大学） ； The Education University of Hong Kong（香港教育大学） 纠错

AI总结 提出scGTN框架，通过孪生图变换网络整合基因表达与细胞间结构信息，利用最优传输策略进行自监督聚类，在多个数据集上优于现有方法。

Comments Accepted by Proceedings of the Thirty-Fifth International Joint Conference on Artificial Intelligence (IJCAI 2026)

MLLMs Get It Right, Then Get It Wrong: Tracing and Correcting Late-Layer Textual Bias

MLLMs 先正确后错误：追踪并纠正后层文本偏见

Xingming Li, Ao Cheng, Qiyao Sun, Xixiang He, Xuanyu Ji, Runke Huang, Qingyong Hu

机构 * National University of Defense Technology（国防科技大学） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Intelligent Game and Decision Lab（智能博弈与决策实验室） 纠错

AI总结 发现多模态大语言模型在中间层形成正确视觉预测，但最终输出时被文本覆盖，通过检测预测方向变化（85%失败转向文本，89%成功转向视觉）提出无训练方法CALRD，在冲突基准上提升高达9.4%。

Comments Accepted at IJCAI 2026. 16 pages, 10 figures

Bridging the SEA Gap: An Initial Benchmark for Neural Audio Codec-Synthesized Speech Deepfakes in South-East Asian Languages

弥合SEA差距：南亚语言神经音频编码合成语音深度伪造的初步基准

Orchid Chetia Phukan, Girish, Mohd Mujtaba Akhtar, Arun Balaji Buduru

机构 * IIIT-Delhi, India（印度德里国家理工学院） ； UPES, India（印度UPES大学） ； VBSPU, India（印度VBSPU大学） 纠错

AI总结 针对南亚语言神经音频编码合成语音深度伪造检测缺乏基准的问题，构建首个大规模基准SEA-CF，并提出轻量级小模型GARUDA，在低资源场景下实现高效检测。

Comments Accepted to IJCAI-ECAI 2026

FedSPC: Shared Parameter Correction for Personalized Federated Learning

FedSPC：个性化联邦学习的共享参数校正

Kannanthodath Induchoodan Ajay Menon, Christian Prehofer, Yunfei Xu, Toru Hirano

机构 * DENSO AUTOMOTIVE Deutschland GmbH（电装汽车德国有限公司） ； DENSO International America, Inc.（电装国际美国公司） ； Technical University of Munich（慕尼黑工业大学） 纠错

AI总结 针对个性化联邦学习中共享参数因客户端局部目标不一致而更新冲突的问题，提出模块化校正方法FedSPC，仅对共享参数应用控制变量校正，在多种PFL设置下提升性能。

Comments Accepted for presentation at FL@FM-IJCAI'26, in conjunction with IJCAI 2026. 9 pages

Low-Latency Real-Time Audio Game Commentary System via LLM-Based Parallel Text Generation

基于LLM并行文本生成的低延迟实时音频游戏解说系统

Ryota Kawamatsu, Anum Afzal, Yuki Saito, Shinnosuke Takamichi, Graham Neubig, Katsuhito Sudoh, Hiroya Takamura, Tatsuya Ishigaki

机构 * The University of Tokyo（东京大学） ； National Institute of Advanced Industrial Science and Technology（产业技术综合研究所） ； Technical University of Munich（慕尼黑工业大学） ； Keio University（庆应义塾大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Nara Women’s University（奈良女子大学） 纠错

AI总结 提出一种并行文本生成与语音播放的低延迟实时游戏解说系统，将平均句间静默从9.6秒降至0.3秒，显著提升解说节奏。

Comments Accepted at IJCAI-ECAI 2026 (Demonstrations Track)