IJCAI

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

SAFformer:Improving Spiking Transformer via Active Predictive Filtering

SAFformer:通过主动预测滤波改进脉冲Transformer

Zequan Xie, Weiming Zeng, Yunhua Chen, Sichang Ling, Tongyang Chen, Jinsheng Xiao

机构 * School of Computer Science and Technology, Guangdong University of Technology（广东技术大学计算机科学与技术学院） ； Faculty of Science, Hong Kong Baptist University（香港 Baptist 大学科学学院） ； School of Electronic Information, Wuhan University（武汉大学电子信息学院） 纠错

AI总结 提出基于主动预测滤波的脉冲Transformer架构SAFformer，通过抑制可预测信号并聚焦显著视觉特征，在CIFAR和ImageNet-1K上实现新最优性能，平衡精度与能耗。

Comments IJCAI 2026(International Joint Conference on Artificial Intelligence)

TabKD: Tabular Knowledge Distillation through Interaction Diversity of Learned Feature Bins

TabKD: 通过学习特征箱的交互多样性实现表格知识蒸馏

Shovon Niverd Pereira, Krishna Khadka, Yu Lei

机构 * Department of Computer Science and Engineering, The University of Texas at Arlington（计算机科学与工程系，德克萨斯理工大学阿灵顿分校） 纠错

AI总结 提出TabKD方法，通过学习与教师决策边界对齐的自适应特征箱，生成最大化成对交互覆盖的合成查询，在表格数据知识蒸馏中显著提升学生-教师一致性。

Comments Accepted in 35th International Joint Conference on Artificial Intelligence IJCAI 2026

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)

Emo-LiPO: Listwise Preference Optimization for Fine-Grained Emotion Intensity Control in LLM-based Text-to-Speech

Emo-LiPO：基于LLM的文本到语音中细粒度情感强度控制的列表式偏好优化

Yihang Lin, Li Zhou, Congwei Cao, Dongchu Xie, Xiaoxue Gao, Chen Zhang, Haizhou Li

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Agency for Science, Technology and Research（新加坡科技研究局） ； National University of Singapore（新加坡国立大学） ； Shenzhen Research Institute of Big Data（深圳市大数据研究院） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 提出Emo-LiPO框架，将情感强度控制建模为学习排序问题，通过列表式偏好优化对齐文本与语音的情感强度，实现更忠实连续的情感表达，在ESD-plus数据集上显著提升情感准确性和强度可控性。

Comments Accepted by IJCAI 2026. Emotional TTS, Preference Optimization, Emotion Intensity Control

Efficient Time Series Clustering from Multiscale Reservoir Dynamics with Granular-Ball Anchoring Graph Optimization

基于多尺度储层动力学与粒球锚定图优化的高效时间序列聚类

Yifan Wang, Lifeng Shen, Shuyin Xia, Yi Wang

机构 * Chongqing Key Laboratory of Computational Intelligence, Key Laboratory of Cyberspace Big Data Intelligent Security, Ministry of Education, Sichuan-Chongqing Co-construction Key Laboratory of Digital Economy Intelligence and Key Laboratory of Big Data Intelligent Computing, College of Computer Science and Technology, Chongqing University of Posts and Telecommunications（重庆邮电大学计算机科学与技术学院，计算智能重庆市重点实验室，网络空间大数据智能安全教育部重点实验室，川渝共建数字经济智能重点实验室，大数据智能计算重点实验室） ； Chongqing Ant Consumer Finance Co,. Ltd , Ant Group（蚂蚁集团，重庆蚂蚁消费金融有限公司） 纠错

AI总结 提出MSRGC-Net框架，结合无训练储层计算、粒球锚定图构建和共识学习，实现高效且准确的时间序列聚类。

Comments Accepted by IJCAI 2026

Simplicity Suffices for Parameter Noise Injection in Stochastic Gradient Descent

随机梯度下降中参数噪声注入的简单性足以胜任

Benjamin Leblanc, Louis-Jacob Lebel, Teddy Kana, Richard Kamel

机构 * Université Laval（拉瓦尔大学） 纠错

AI总结 研究随机梯度下降中的参数噪声注入，提出线性层逐样本噪声注入的高效方法，并实验证明简单各向同性噪声即可达到复杂方案的优化与泛化效果。

Comments Accepted at the Data Science Meets Optimisation workshop in IJCAI 2026

SirenFNO: Efficient and Full Frequency Learning of Fourier Neural Operators

SirenFNO：高效且全频率学习的傅里叶神经算子

Pengqing Shi, Jie Yin, Stephen Tierney, Junbin Gao

机构 * The University of Sydney（悉尼大学） 纠错

AI总结 提出SirenFNO框架，利用正弦表示网络学习隐式神经表示并进行模态核参数化，消除频率截断，实现全频谱学习，在多个PDE基准上以最多73倍参数减少取得性能提升。

Comments 9 pages, accepted by IJCAI 2026

Phi-Actor-Critic: Steering General-Sum Games to Pareto-Efficient Correlated Equilibria

Phi-Actor-Critic: 引导一般和博弈走向帕累托高效关联均衡

Wongyu Lee, Francesco Lelli, Omran Ayoub, Massimo Tornatore

机构 * Politecnico di Milano（米兰理工大学） ； Tilburg University（蒂尔堡大学） ； University of Applied Sciences and Arts of Southern Switzerland（瑞士南瑞士应用科学与艺术大学） 纠错

AI总结 提出Φ-Actor-Critic框架，通过交换遗憾最小化引导多智能体学习向高社会福利的关联均衡收敛，并采用集中式注意力批评家高效估计反事实遗憾，结合拉格朗日均衡选择机制优化社会福利。

Comments Accepted to IJCAI 2026

Closing the Motion Execution Gap: From Semantic Motion Task Constraints to Kinematic Control

弥合运动执行差距：从语义运动任务约束到运动学控制

Simon Stelter, Vanessa Hassouna, Malte Huerkamp, Michael Beetz

机构 * University of Bremen（不莱梅大学） 纠错

AI总结 本文提出通过运动状态图实现语义约束与可执行机器人运动的连接，利用统一的可微运动学世界模型实现世界中心的运动规范与跨平台泛化，采用基于lMPC的任务函数方法确保任务切换的平滑过渡。

Comments 9 pages, 8 figures, to be published in IJCAI 2026

A Resilient Solution for Sewer Overflow Monitoring across Cloud and Edge

跨云和边缘的防洪溢流监控稳健解决方案

Vipin Singh, Tianheng Ling, Peter Ghaly, Felix Grimmeisen, Gregor Schiele, Felix Biessmann

机构 * Berlin University of Applied Sciences（柏林应用技术大学） ； University of Duisburg-Essen（杜伊斯堡-埃森大学） ； Okeanos Smart Data Solutions GmbH（Okeanos智能数据解决方案 GmbH） ； Einstein Center Digital Future（爱因斯坦数字未来研究中心） 纠错

AI总结 本文提出一个基于深度学习的云边协同监控平台，用于预测溢流池填充动态，以应对城市排水系统老化问题，提升防洪预警能力。

Comments 3 pages, 6 figures, accepted at 35th International Joint Conference on Artificial Intelligence 2026 (IJCAI-ECAI 2026), Demonstrations Track. URL: https://riwwer.demo.calgo-lab.de

Toward Preference-aligned Large Language Models via Residual-based Model Steering

基于残差模型引导的偏好对齐大型语言模型

Lucio La Cava, Andrea Tagarelli

机构 * DIMES Dept., University of Calabria, Italy（卡利博大学DIMES系） 纠错

AI总结 提出PaLRS方法，利用残差流中的偏好信号提取轻量级引导向量，无需训练即可在推理时对齐模型偏好，在数学推理和代码生成任务上取得一致提升，同时节省大量时间。

Comments Accepted at IJCAI 2026

IPSM-Bench: A New Intermediate Phase Segmentation Benchmark in Microstructure Images of Zinc-Based Absorbable Biomaterials

IPSM-Bench：锌基可吸收生物材料显微图像中的新中间相分割基准

Jinglin Xu, Shangyan Zhao, Jiabo Wang, Xinghong Mu, Yulong Lei, Jiacheng Zhang, Hongbo Sun, Yageng Li

机构 * School of Artificial Intelligence, University of Science and Technology Beijing（北京科技大学人工智能学院） ； School of Advanced Materials Innovation, University of Science and Technology Beijing（北京科技大学前沿材料创新学院） ； China Telecom Artificial Intelligence Technology (Beijing) Co., Ltd（中国电信人工智能技术（北京）有限公司） ； School of Materials Science and Engineering, University of Science and Technology Beijing（北京科技大学材料科学与工程学院） ； Institute of Materials Intelligent Technology, Liaoning Academy of Materials（辽宁材料实验室材料智能技术研究所） ； School of Big Data and Software Engineering, Chongqing University（重庆大学大数据与软件工程学院） 纠错

AI总结 针对锌合金中间相分割面临的数据稀缺、低对比度等挑战，构建最大高质量数据集IPSM-Bench，并提出空间上下文先验引导的SAM方法SCoP-SAM，实现最优分割性能。

Comments Accepted by IJCAI 2026

Machine Learning Methods for Studying Latent Neural Activity Dynamics

研究潜在神经活动动力学的机器学习方法

Shufeng Kong, Fumei Deng, Xinyi Dong, Caihua Liu, Weiwei Chen, Yingheng Wang, Daniel Cao, Azahara Oliva, Antonio Fernandez-Ruiz, Carla Gomes

机构 * School of Software Engineering, Sun Yat-sen University（中山大学软件工程学院） ； Department of Computer Science, Cornell University（康奈尔大学计算机科学系） ； Department of Neurobiology and Behavior, Cornell University（康奈尔大学神经生物学与行为学系） ； Department of Ecology and Evolutionary Biology, Cornell University（康奈尔大学生态学与进化生物学系） ； School of Computer Science and Artificial Intelligence, Foshan University（佛山大学计算机科学与人工智能学院） 纠错

AI总结 综述从状态空间模型到深度生成模型的潜在变量模型，涵盖单区域动力学、多区域通信和行为对齐建模，并讨论大规模神经基础模型及未来挑战。

Comments Accepted by IJCAI 2026 survey track

Model-Based Reinforcement Learning in Discrete-Action Non-Markovian Reward Decision Processes

离散动作非马尔可夫奖励决策过程中基于模型的强化学习

Alessandro Trapasso, Luca Iocchi, Fabio Patrizi

机构 * Fondazione Bruno Kessler（布雷诺·科塞拉基金会） ； Sapienza University of Rome（罗马萨皮恩扎大学） 纠错

AI总结 提出QR-MAX算法，通过奖励机分解马尔可夫转移学习与非马尔可夫奖励处理，首次在离散NMRDP中获得PAC收敛到ε-最优策略的多项式样本复杂度，并扩展至连续状态空间。

Comments Accepted at IJCAI-ECAI 2026. 19 pages, 32 figures, includes appendix

STELLAR: Spatio-Temporal Environmental Learning with Latent Alignment and Refinement for Long-Tailed Species Distribution Modeling

STELLAR: 面向长尾物种分布建模的时空环境学习与潜在对齐精炼

Shufeng Kong, Tao Yu, Yuanyuan Wei, Caihua Liu, Junwen Bai, Yingheng Wang, Marc Grimson, Daniel Fink, Carla P. Gomes

机构 * Sun Yat-sen University（中山大学） ； Cornell University（康奈尔大学） ； Foshan University（佛山大学） ； Cornell Lab of Ornithology（康奈尔鸟类学实验室） 纠错

AI总结 提出STELLAR框架，通过图-时间编码器、上下文锚定潜在对齐和不平衡感知解码模块，联合优化动态栖息地上下文和群落结构，有效解决物种分布建模中的时空耦合与长尾不平衡问题。

Comments Accept by IJCAI 2026

Evaluating Advanced Prompting on Gemini Flash for Multi-Hop Biomedical QA

评估 Gemini Flash 上的高级提示工程用于多跳生物医学问答

Ahmed Bajaber, Mohammed Alliheedi

机构 * Saudi Med AI Lab (SMAIL)（沙特医学人工智能实验室（SMAIL）） ； Prince Sultan University（普森国王大学） ； Al-Baha University（阿勒巴哈大学） 纠错

AI总结 本研究通过设计多组件提示（角色扮演、多步思维链示例和格式规则），在 Gemini 2.0 Flash 上实现概念级得分0.720，显著优于基线0.565，并接近下一代模型性能，证明高级提示设计对释放LLM推理能力至关重要。

Comments 8 pages, proceedings of the BioCreative IX Challenge and Workshop (BC9) at IJCAI 2025

Journal ref Proc. BioCreative IX Workshop (BC9), IJCAI 2025, Montreal, Canada

Detect, Attend and Extract: Keyword Guided Target Speaker Extraction

检测、关注和提取：关键词引导的目标说话人提取

Haoyu Li, Yu Xi, Yidi Jiang, Shuai Wang, Kate Knill, Mark Gales, Haizhou Li, Kai Yu

AI总结 提出DAE-TSE框架，利用关键词作为线索，通过检测-关注-提取范式实现目标说话人提取，无需干净注册语音，性能优于传统系统。

Comments 4 figures, 4 tables. Accepted by IJCAI-ECAI 2026

Towards Automated Kernel Generation in the Era of LLMs

面向LLM时代的自动化内核生成

Yang Yu, Peiyu Zang, Chi Hsu Tsai, Haiming Wu, Yixin Shen, Jialing Zhang, Haoyu Wang, Zhiyou Xiao, Jingze Shi, Yuyu Luo, Wentao Zhang, Chunlei Men, Guang Liu, Yonghua Lin

机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Beijing Normal University（北京师范大学） ； Peking University（北京大学） ； Beijing Institute of Technology（北京理工大学） ； Cornell University（康奈尔大学） ； Beijing Jiaotong University（北京交通大学） ； Renmin University of China（中国人民大学） ； Hong Kong University of Science and Technology (Guangzhou)（广州科技大学） 纠错

AI总结 本文综述了利用大语言模型（LLM）和智能体系统自动化生成与优化GPU内核的方法，系统梳理了现有方法、数据集和基准，并指出了未来研究方向。

Comments In IJCAI 2026. 9 pages, 1 figure

Speeding Up the NSGA-II via Dynamic Population Sizes

通过动态种群规模加速 NSGA-II

Benjamin Doerr, Martin S. Krejca, Simon Wietheger

AI总结 提出动态NSGA-II算法，通过从小初始种群开始并在每τ次函数评估后翻倍至最大规模N_max，显著降低OneMinMax和OneJumpZeroJump基准问题的函数评估次数。

Comments To appear in the proceedings of IJCAI 2026

ChronoFact: Timeline-based Temporal Fact Verification

ChronoFact：基于时间线的时序事实验证

Anab Maulana Barik, Wynne Hsu, Mong Li Lee

机构 * School of Computing（计算学院） ； Institute of Data Science（数据科学研究所） ； Centre for Trusted Internet and Community（可信互联网与社区中心） 纠错

AI总结 本文提出基于时间线的时序事实验证框架，通过识别声明和证据中的事件并组织时间线，系统分析事件关系以预测声明真实性，同时引入复杂时序声明数据集提升验证效果。

Journal ref Proceedings of the Thirty-Fourth International Joint Conference on Artificial Intelligence (IJCAI 2025), pp. 8031-8039

Spatial-Temporal Decoupled Adapter for Micro-gesture Online Recognition

面向微手势在线识别的时空解耦适配器

Xucheng Shen, Kun Li, Fei Wang, Wei Qian, Jin Jiang, Dan Guo

机构 * Hefei University of Technology（合肥工业大学） ； United Arab Emirates University（阿联酋大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（人工智能研究院，合肥国家综合科学中心） ； Anhui Evolution Technology Co., Ltd.（安徽进化科技有限公司） 纠错

AI总结 提出时空解耦适配器，通过轻量级深度可分离卷积将视频适配分解为独立的时间和空间分支，并引入自适应软平衡增强缓解长尾分布问题，在EI-MiGA挑战赛Track 2中取得第一名。

Comments Technical Report. 1st Place in Micro-gesture Online Recognition in 4th MiGA at IJCAI 2026

CHoE: Cross-Domain Heterogeneous Graph Prompt Learning via Structure-Conditioned Experts

CHoE: 基于结构条件专家的跨域异构图提示学习

Peiyuan Li, Yongqi Huang, Jitao Zhao, Dongxiao He, Di Jin, Weixiong Zhang

机构 * School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） ； Department of Health Technology and Informatics, and Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（香港理工大学健康科技与信息学系、数据科学与人工智能系） 纠错

AI总结 提出CHoE方法，通过结构条件专家网络和结构感知路由机制，实现跨域异构图提示学习，在少样本跨域任务中优于基线方法。

Comments accepted by IJCAI 2026, 9 pages, 4 figures

Amortizing Federated Adaptation: Hypernetwork Driven LoRA for Personalized Foundation Models

摊销联邦自适应：基于超网络的LoRA用于个性化基础模型

Sunny Gupta, Shambhavi Shanker, Amit Sethi

机构 * Indian Institute of Technology, Bombay（印度理工学院班加罗尔） 纠错

AI总结 提出HyperLoRA框架，通过超网络驱动的LoRA生成和乘积空间聚合，解决联邦LoRA中的结构聚合偏差和客户端初始化滞后问题，实现高效个性化、无偏聚合和更快收敛。

Comments Accepted at International Workshop on Federated Learning in the Age of Foundation Models In Conjunction with IJCAI 2026 (FL@FM-IJCAI'26)

DiG-Plan: Mitigating Early Commitment for Tool-Graph Planning via Diffusion Guidance

DiG-Plan：通过扩散引导缓解工具图规划中的早期承诺问题

Yansi Li, Zhuosheng Zhang

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） 纠错

AI总结 针对工具图规划中自回归解码的早期承诺问题，提出基于扩散生成器与自回归精炼器解耦的DiG-Plan框架，显著提升组合搜索覆盖率和任务性能。

Comments Accepted at IJCAI-ECAI 2026. This is an author preprint; the final version will appear in the IJCAI Proceedings

LIA: Privacy-Preserving Data Quality Evaluation in Federated Learning Using a Lazy Influence Approximation

LIA: 在联邦学习中使用懒惰影响近似进行隐私保护的数据质量评估

Ljubomir Rokvic, Panayiotis Danassis, Sai Praneeth Karimireddy, Boi Faltings

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑校区） ； Telenor Research（Telenor研究） ； University of Southern California（南加州大学） 纠错

AI总结 本文提出了一种新的隐私保护数据质量评估方法LIA，通过懒惰影响近似技术过滤和评分数据，在保持隐私的前提下有效识别低质量、损坏或恶意数据。

Comments Proceedings of the 2024 IEEE International Conference on Big Data (IEEE BigData 2024). A preliminary version of this work received the Best Paper Award at the International Workshop on Trustworthy Federated Learning at IJCAI (FL-IJCAI) 2023

Limited Resource Allocation in a Non-Markovian World: The Case of Maternal and Child Healthcare

在非马尔可夫世界中的有限资源分配：产科与儿童保健的案例

Panayiotis Danassis, Shresth Verma, Jackson A. Killian, Aparna Taneja, Milind Tambe

机构 * Harvard University（哈佛大学） ； Google Research（谷歌研究） 纠错

AI总结 本文研究了在非马尔可夫环境下如何通过时间序列方法优化资源分配，提出了一种新的时间序列臂排名指数（TARI）策略，以提高产科和儿童保健项目的参与度和依从性。

Comments Proceedings of the 32nd International Joint Conference on Artificial Intelligence (IJCAI 2023)

How Users Understand Robot Foundation Model Performance through Task Success Rates and Beyond

用户如何通过任务成功率及其他方式理解机器人基础模型性能

Isaac Sheidlower, Jindan Huang, James Staley, Bingyu Wu, Qicong Chen, Reuben Aronson, Elaine Short

机构 * Brown University（布朗大学） ； Tufts University（塔夫茨大学） 纠错

AI总结 通过用户研究，探讨非机器人专家如何理解机器人基础模型（RFM）评估中的任务成功率（TSR）及其他信息，发现用户不仅按专家预期使用TSR，还重视未常报告的失败案例，并希望获取历史评估数据和机器人对新任务的性能估计。

Comments Submitted to IJCAI 2026

Satellite Image Tasking Under Orbit Prediction Uncertainty

卫星图像任务在轨道预测不确定性下的应用

Duncan Eddy, Mykel Kochenderfer

AI总结 本文提出了一种考虑轨道预测不确定性的卫星任务规划方法，通过马尔可夫决策过程框架，结合蒙特卡洛模拟生成可能的采集窗口分布，从而提高任务计划的鲁棒性和运行效率。

Comments 7 pages, 2 figures, 3 algorithms, 5 tables. Submitted to IJCAI 2019

Virtual-to-Real: Learning to Control in Visual Semantic Segmentation

虚拟到现实：学习在视觉语义分割中的控制

Zhang-Wei Hong, Chen Yu-Ming, Shih-Yang Su, Tzu-Yun Shann, Yi-Hsiang Chang, Hsuan-Kung Yang, Brian Hsi-Lin Ho, Chih-Chieh Tu, Yueh-Chuan Chang, Tsu-Ching Hsiao, Hsin-Wei Hsiao, Sih-Pin Lai, Chun-Yi Lee

机构 * Elsa Lab（Elsa实验室） ； Department of Computer Science（计算机科学系） ； National Tsing Hua University（国立清华大学） 纠错

AI总结 本文提出了一种模块化架构，通过将感知模块和控制策略模块结合，利用语义图像分割作为元表示，解决虚拟到现实的迁移问题，并在障碍避让和目标跟随任务中展示了优越的性能。

Comments 7 pages, accepted by IJCAI-18