IJCAI

TRACE: A Concept Bottleneck Model for Longitudinal 3D Glioblastoma Response Assessment

TRACE：用于纵向3D胶质母细胞瘤反应评估的概念瓶颈模型

Alia Tarek, Hamsa Saberr, Hamza Elghonemy, Youssef Afify, Tamer Basha, Omair Shahzad Bhatti, Abdulrahman M. Selim, Hasan Md Tusfiqur Alam, Daniel Sonntag

机构 * Department of Biomedical and Healthcare Data Engineering, Faculty of Engineering, Cairo University（生物医学与健康数据工程系，工程学院，开罗大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） ； University of Oldenburg（奥尔登堡大学） 纠错

AI总结 提出TRACE模型，通过概念瓶颈架构将RANO 2.0标准融入深度学习，实现可解释的4类胶质母细胞瘤纵向反应分类，在LUMIERE数据集上达到4类宏F1为0.4769，并支持概念校正。

Comments Accept in the EXPLIMED: Explainable Artificial Intelligence for the Medical Domain workshop in IJCAI 2026

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

DEEPMED Search: An Open-Source Agentic Platform for Medical Deep Research with Introspective Verification

DEEPMED Search: 一个具有内省验证功能的开源医学深度研究智能体平台

Maolin Liu, Fanyu Xu, Ruoqing Xu, Jiahang Zhang, Hao Wang, Rui Wang

机构 * School of Computer Science and Software Engineering, Shanghai University（上海大学计算机科学与软件工程学院） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系） 纠错

AI总结 提出一个开源智能体平台DEEPMED Search，通过源自适应路由和内省验证模块，自动分解复杂医学查询并生成结构化报告，解决异构医疗数据检索中的推理漂移问题。

Comments 5 pages, 2 figures, 2 tables. Accepted to IJCAI-ECAI 2026 Demo Track. Project website: https://www.deepmedsearch.cloud. Demo video: https://youtu.be/4U4aok8yLpk

Langshaw: Declarative Interaction Protocols Based on Sayso and Conflict

Langshaw: 基于Sayso和冲突的声明式交互协议

Munindar P. Singh, Samuel H. Christie, Amit K. Chopra

机构 * Department of Computer Science, North Carolina State University（北卡罗来纳州立大学计算机科学系） ； School of Computing and Communications, Lancaster University（兰卡斯特大学计算与通讯学院） 纠错

AI总结 提出Langshaw声明式协议语言，通过sayso、nono和nogo构造平衡灵活性与语义表达，并给出形式语义、安全活性判定及消息协议生成方法。

Comments Appeared in IJCAI 2024

SMaRT: Online Reusable Resource Assignment and an Application to Mediation in the Kenyan Judiciary

SMaRT：在线可重用资源分配及其在肯尼亚司法调解中的应用

Shafkat Farabi, Didac Marti Pinto, Wei Lu, Manuel Ramos-Maqueda, Sanmay Das, Antoine Deeb, Anja Sautmann

机构 * Virginia Tech（弗吉尼亚理工学院） ； University College London（伦敦大学学院） ； The World Bank（世界银行） 纠错

AI总结 本文提出SMaRT算法，解决肯尼亚司法系统中调解员分配问题，通过二次规划和多智能体老虎机框架实现资源分配与学习，提升任务完成率并平衡容量约束与案件解决率。

Comments Accepted for Publication at IJCAI 2026

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

Implicit Identity Technologies for LLMs: Fingerprinting and Watermarking across Datasets, Models, and Generated Content

LLM的隐式身份技术：跨数据集、模型和生成内容的指纹识别与水印

Bing Liu, Shunping Wang, Yufan Zhu, Xinyi Yu, Jing Huang, Linkang Du, Hongbin Pei, Wei Luo

机构 * School of Cyber Science and Engineering, Xi’an Jiaotong University, Xi’an, China（西安交通大学计算机科学与工程学院） ； State Grid Henan Marketing Service Center, Henan, China（国网河南营销服务中心） ； Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学网络安全学院） ； School of Information Technology, Deakin University, Geelong, Australia（迪金大学信息技术学院） 纠错

AI总结 本文综述了LLM指纹识别和水印技术，提出隐式身份统一抽象，并基于生命周期分类法组织数据集、模型和生成内容的技术，建立评估框架。

Comments Accepted by IJCAI-ECAI 2026. 11 pages, 1 figure. Survey and taxonomy of LLM fingerprinting and watermarking for identity, provenance, generated-content attribution, and asset protection

DivCon-NeRF: Diverse and Consistent Ray Augmentation for Few-Shot NeRF

DivCon-NeRF：用于少样本NeRF的多样且一致的射线增强

Ingyun Lee, Jae Won Jang, Seunghyeon Seo, Nojun Kwak

机构 * Seoul National University（首尔国立大学） 纠错

AI总结 针对少样本NeRF中稀疏视图导致的过拟合和伪影问题，提出基于球面的射线增强方法，通过一致性掩码过滤不一致射线，结合定制损失函数减少浮点伪影和视觉失真，在多个数据集上优于现有方法。

Comments Accepted to IJCAI 2026

AlgoSimBench: Identifying Algorithmically Similar Problems for Competitive Programming

AlgoSimBench: 识别算法相似问题的竞赛编程基准

Jierui Li, Raymond Mooney

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 提出AlgoSimBench基准，通过对抗性设计的多选题评估大语言模型识别算法相似问题的能力，并引入尝试解决方案匹配方法提升准确率。

Comments 14 pages, accepted to IJCAI 2026

Incorporating Domain Knowledge into Deep Neural Networks

将领域知识纳入深度神经网络

Tirtharaj Dash, Sharad Chitlangia, Aditya Ahuja, Ashwin Srinivasan

机构 * APP Centre for Artificial Intelligence Research (APPCAIR)（人工智能研究中心） ； Department of Electrical and Electronics Engineering（电子与电气工程系） ； Department of Computer Science and Information Systems（计算机科学与信息系统系） ； BITS Pilani, K.K. Birla Goa Campus（比斯汉学院，戈亚校区） 纠错

AI总结 本文探讨了如何通过逻辑和数值约束将领域知识融入神经网络模型，分析了不同子类别的技术与成果，以提升机器学习在人机协作中的表现。

Comments Submitted to IJCAI-2021 Survey Track (6+2 pages)

Journal ref extended version published in: Scientific Reports 12, 1040 (2022)

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

Temporal Motif-aware Graph Test-time Adaptation for OOD Blockchain Anomaly Detection

面向OOD区块链异常检测的时间模体感知图测试时自适应

Runang He, Tongya Zheng, Huiling Peng, Yuanyu Wan, Bingde Hu, Jiawei Chen, Canghong Jin, Mingli Song, Can Wang

机构 * State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； Zhejiang Provincial Engineering Research Center for Real-Time SmartTech in Urban Security Governance（浙江省实时智能科技在城市安全治理中的工程研究中心） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院） 纠错

AI总结 提出TEMG-TTA框架，通过时间模体分布捕获和测试时自适应策略，解决区块链异常检测中的模式演化和分布外问题，在5个数据集上平均提升54.88%。

Comments Accepted to IJCAI-ECAI 2026, Special Track on AI for Social Good

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

Clinically Aware Synthetic Image Generation for Concept Coverage in Chest X-ray Models

临床感知的合成图像生成用于胸部X光模型的概念覆盖

Amy Rafferty, Rishi Ramaesh, Ajitha Rajan

机构 * University of Edinburgh（爱丁堡大学） ； NHS Lothian（洛锡安国家健康服务） 纠错

AI总结 提出CARPA框架，通过解剖约束的概念扰动生成合成胸部X光图像，扩展临床概念覆盖，提升模型性能与可靠性。

Comments Accepted for presentation at the IJCAI-ECAI 2026 RobustifAI workshop

ReSyn: A Generalized Recursive Regular Expression Synthesis Framework

ReSyn：一种通用的递归正则表达式合成框架

Seongmin Kim, Hyunjoon Cheon, Su-Hyeon Kim, Yo-Sub Han, Sang-Ki Ko

AI总结 提出ReSyn框架，通过分治策略将复杂正则表达式合成问题分解为子问题，并结合Set2Regex合成器，在真实基准上达到最先进性能。

Comments Accepted at IJCAI 2026

A Survey on 3D Skeleton Based Person Re-Identification: Taxonomy, Advances, Challenges, and Interdisciplinary Prospects

基于3D骨架的行人重识别综述：分类、进展、挑战与跨学科前景

Haocong Rao, Chunyan Miao

机构 * College of Computing and Data Science, Nanyang Technological University (NTU), Singapore（南洋理工大学计算与数据科学学院，新加坡） ； Joint NTU-UBC Research Centre of Excellence in Active Living for the Elderly (LILY), NTU, Singapore（老龄化积极生活卓越研究中心（LILY），南洋理工大学，新加坡） ； Alibaba-NTU Global e-Sustainability CorpLab (ANGEL), NTU, Singapore（阿里巴巴-南洋理工大学全球可持续发展企业实验室（ANGEL），南洋理工大学，新加坡） 纠错

AI总结 本文系统综述了基于3D骨架的行人重识别方法，提出了手工、序列和图建模三类分类法，并评估了监督、自监督和无监督学习范式下的最新技术，最后讨论了关键挑战与跨学科应用前景。

Comments Accepted by IJCAI 2026. A curated collection of valuable resources is available at https://github.com/Kali-Hac/3D-SRID-Survey

Federated Foundation Language Model Post-Training Should Focus on Open-Source Models

联邦基础语言模型后训练应聚焦开源模型

Nikita Agrawal, Ruben Mayer

机构 * University of Bayreuth（拜罗伊特大学） 纠错

AI总结 本文批判性分析联邦后训练中使用黑盒模型的问题，主张采用开源模型以符合联邦学习的数据隐私和自治原则。

Comments Accepted at International Workshop on Federated Learning in the Age of Foundation Models In Conjunction with IJCAI 2026