IJCAI

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） 纠错

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

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） 纠错

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)

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） 纠错

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

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） 纠错

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

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） 纠错

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

EyeCue: Driver Cognitive Distraction Detection via Gaze-Empowered Egocentric Video Understanding

EyeCue：通过眼动增强的视点视频理解进行驾驶员认知分心检测

Lang Zhang, JinYi Yoon, Matthew Corbett, Abhijit Sarkar, Bo Ji

机构 * Virginia Tech（弗吉尼亚理工大学） ； Inha University（inha大学） ； Army Cyber Institute at West Point（西点军营陆军网络学院） 纠错

AI总结 本文提出EyeCue框架，通过眼动与视觉上下文的交互建模，实现驾驶员认知分心检测，利用CogDrive数据集验证其在多种驾驶场景下的高准确率和泛化能力。

Comments Accepted to the 35th International Joint Conference on Artificial Intelligence (IJCAI 2026)

From Time Series Analysis to Question Answering: A Survey in the LLM Era

从时间序列分析到问答：在大语言模型时代的一次综述

Wei Li, Zhe Xie, Yuxuan Liang, Xinli Hao, Yunyao Cheng, Dan Pei, Xiaofeng Meng

机构 * Renmin University of China（中国人民大学） ； Tsinghua University（清华大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Aalborg University（奥胡斯大学） 纠错

AI总结 本文综述了大语言模型时代时间序列分析向时间序列问答的转变，探讨了TSQA在灵活性、经济性和通用性方面的选择指导及未来研究方向。

Comments Accepted by IJCAI 2026 Survey Track

Bounded Fitting for Expressive Description Logics

可扩展描述逻辑中受限适配方法的研究

Maurice Funk, Jean Christoph Jung, Tom Voellmer

机构 * Leipzig University and ScaDS.AI Center Dresden/Leipzig（莱比锡大学和ScaDS.AI中心德累斯顿/莱比锡） ； TU Dortmund University（德累斯顿理工大学） ； Center for Trustworthy Data Science and Security, University Alliance Ruhr（可信数据科学与安全中心，鲁尔大学联盟） 纠错

AI总结 本文研究了在扩展ALC的表达式描述逻辑中，受限适配方法的理论性质和实现，通过SAT求解器实现，并与现有概念学习器比较，展示了其在复杂概念学习中的实用性。

Comments 16 pages, full version of paper accepted at IJCAI-ECAI 2026

Neurosymbolic Framework for Concept-Driven Logical Reasoning in Skeleton-Based Human Action Recognition

基于骨架的人体动作识别的概念驱动逻辑推理神经符号框架

Talha Ilyas, Deval Mehta, Zongyuan Ge

机构 * Department of ECSE, Faculty of Engineering, Monash University, Australia（莫纳什大学工程学院电子与计算机工程系，澳大利亚） ； AIM for Health Lab, Faculty of Information Technology, Monash University, Australia（莫纳什大学信息科技学院健康人工智能实验室，澳大利亚） ； Department of DSAI, Faculty of Information Technology, Monash University, Australia（莫纳什大学信息科技学院数据科学与人工智能系，澳大利亚） 纠错

AI总结 本文提出一种神经符号框架，将骨架动作识别转化为概念驱动的一阶逻辑推理，通过结合表征学习与符号推理，提升动作识别的可解释性。

Comments Accepted In Proceedings of the 35th International Joint Conference on Artificial Intelligence (IJCAI 2026)

From Surface Learning to Deep Understanding: A Grounded AI Tutoring System for Moodle

从表层学习到深度理解：面向Moodle的 grounded AI 教学系统

Anna Ostrowska, Michał Kukla, Gabriela Majstrak, Jan Opala, Sebastian Pergała, Jan Skwarek, Anna Wróblewska

机构 * Faculty of Mathematics and Information Sciences, Warsaw University of Technology（数学与信息科学学院，华沙技术大学） 纠错

AI总结 本文提出一种基于Moodle的AI教学助手，利用检索增强生成技术提供高质量教育，通过双核心设计实现学生互动式辅导和教师监督内容生成，有效减少信息误导并促进深度理解。

Comments 5 pages, accepted as demo paper at IJCAI 2026

TCDA: Thread-Constrained Discourse-Aware Modeling for Conversational Sentiment Quadruple Analysis

TCDA：基于对话的线程约束模型用于对话情感四元分析

Xinran Li, Xinze Che, Yifan Lyu, Zhiqi Huang, Xiujuan Xu

机构 * School of Software, Dalian University of Technology（大连理工大学软件学院） ； School of Data and Computer Science, Sun Yat-sen University（中山大学数据与计算机科学学院） 纠错

AI总结 本文提出TCDA框架，结合线程约束有向无环图和话语感知旋转位置嵌入，解决对话情感四元分析中复杂关系捕捉问题，实验表明其性能优于现有方法。

Comments Accepted to IJCAI 2026 (Main Track)

Amortized Multi-Objective Optimization Across Tasks with Generative Solution Modeling

跨任务的 amortized 多目标优化与生成解建模

Tingyang Wei, Jiao Liu, Abhishek Gupta, Chin Chun Ooi, Puay Siew Tan, Yew-Soon Ong

机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院，新加坡） ； School of Mechanical Sciences, Indian Institute of Technology, Goa, India（印度理工学院Goa分校机械科学学院，印度） ； Centre for Frontier AI Research, Agency for Science, Technology and Research, Singapore（新加坡科技研究局前沿人工智能研究中心） ； Singapore Institute of Manufacturing Technology, Agency for Science, Technology and Research, Singapore（新加坡制造技术研究所，新加坡科技研究局） 纠错

AI总结 本文提出一种新型参数化多目标贝叶斯优化器，通过生成解采样和跨任务协同搜索，实现连续任务偏好空间中的解预测，避免重复昂贵评估。

Comments Accepted by IJCAI 2026

Price of Fairness in Short-Term and Long-Term Algorithmic Selections

短期和长期算法选择中的公平性代价

Shahin Jabbari, Chen Wang

机构 * Drexel University（德雷塞尔大学） ； Rensselaer Polytechnic Institute（拉特克利夫理工学院） 纠错

AI总结 研究短期和长期算法选择中的公平性与效用的权衡，通过价格公平性（PoF）分析公平政策的最优性，并展示长期投资策略可消除不平等。

Comments The short version of this paper appears in the proceedings of IJCAI-26

Multiagent Stochastic Shortest Path Problem

多智能体随机最短路径问题

Martin Jonáš, Antonín Kučera, Vojtěch Kůr, Jan Mačák, Vojtěch Řehák

AI总结 研究多智能体随机最短路径问题，旨在最小化任意智能体到达目标状态的期望时间，设计高效策略合成算法并进行实验验证。

Comments A full version of the paper that was presented at IJCAI 2026

BehaviorGuard: Online Backdoor Defense for Deep Reinforcement Learning

BehaviorGuard: 面向深度强化学习的在线后门防御

Yinbo Yu, Xueyu Yin, Jiadai Wang, Chunwei Tian, Sai Xu, Qi Zhu, Daoqiang Zhang

机构 * College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院） ； School of Cybersecurity, Northwestern Polytechnical University（西北工业大学网络安全学院） ； School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院） ； Department of Electronic and Electrical Engineering, University College London（伦敦大学学院电子与电气工程系） 纠错

AI总结 本文提出BehaviorGuard，一种基于行为的在线后门检测与缓解框架，通过分析动作分布变化识别并抑制后门行为，在单 agent 和多 agent DRL 中均有效。

Comments 11 pages

Journal ref IJCAI 2026

Refining Gelfond Rationality Principle: Towards More Comprehensive Foundational Principles for Answer Set Semantics

细化格尔福德理性原则：迈向更全面的答案集语义基础原则

Yi-Dong Shen, Thomas Eiter

机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； Institute of Logic and Computation, Vienna University of Technology (TU Wien)（维也纳技术大学逻辑与计算研究所） 纠错

AI总结 本文探讨了答案集语义的通用原则，细化格尔福德理性原则，提出新的构造方法，并分析了计算复杂性。

Comments 76 pages. This article is a significantly extended version of a paper presented by the authors at IJCAI-2022

MP2D: Constrained Monte Carlo Tree-Guided Diffusion for Multi-Objective Protein Sequence Design

MP2D：基于约束的蒙特卡洛树引导扩散的多目标蛋白质序列设计

Zitai Kong, Yifan Dong, Yixuan Wu, Zhaokang Liang, Jian Wu, Hongxia Xu

AI总结 本文提出MP2D框架，结合条件离散扩散与约束MCTS及全局迭代优化，解决多目标蛋白质序列设计中的冲突属性问题，实现高效平衡优化。

Comments 16 pages, 4 figures, 7 tables, accepted by the 35th International Joint Conference on Artificial Intelligence

Rethinking Convolutional Networks for Attribute-Aware Sequential Recommendation

重新思考面向属性的卷积网络用于序列推荐

Shereen Elsayed, Ngoc Son Le, Ahmed Rashed, Lars Schmidt-Thieme

机构 * Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany（希尔德斯海姆大学信息系统与机器学习实验室） ； VWFS Data Analytics Research Center (VWFS DARC), University of Hildesheim, Germany（希尔德斯海姆大学VWFS数据分析研究中心） ； Volkswagen Financial Services AG, Germany（德国大众金融服务有限公司） 纠错

AI总结 本文提出ConvRec，通过卷积层生成紧凑且表达力强的序列表示，以提升序列推荐效果，实验表明其优于现有方法。

Comments Accepted at IJCAI-ECAI 2026

HOI-aware Adaptive Network for Weakly-supervised Action Segmentation

面向HOI的自适应网络用于弱监督动作分割

Runzhong Zhang, Suchen Wang, Yueqi Duan, Yansong Tang, Yue Zhang, Yap-Peng Tan

机构 * Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； Beijing Jiaotong University（北京交通大学） 纠错

AI总结 本文提出AdaAct网络，通过利用视频级的时空局部人-物交互作为先验知识，动态适应HOI序列以区分模糊动作，实验验证了方法的有效性。

Comments Accepted to IJCAI 2023

A Survey of Personalized Federated Foundation Models for Privacy-Preserving Recommendation

面向隐私保护推荐的个性化联邦基础模型综述

Zhiwei Li, Guodong Long, Chunxu Zhang, Honglei Zhang, Jing Jiang, Chengqi Zhang

机构 * Australian Artificial Intelligence Institute, University of Technology Sydney（澳大利亚人工智能研究所，悉尼技术大学） ； College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院） ； Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（香港理工大学数据科学与人工智能系） 纠错

AI总结 本文综述了面向隐私保护推荐的个性化联邦基础模型，分析了联邦环境下有效的个性化技术，并讨论了基础模型在联邦架构中的适应性，以平衡泛化能力与用户特定需求。

Comments 10 pages, 6 figures, conference, position paper

Journal ref IJCAI-ECAI 2026

GraphSculptor: Sculpting Pre-training Coreset for Graph Self-supervised Learning

GraphSculptor: 为图自监督学习构建预训练核心集

Chuang Liu, Zelin Yao, Xueqi Ma, Luzhi Wang, Mukun Chen, Pinghua Xu, Wenbin Hu

机构 * Sangfor Technologies Inc.（Sangfor 技术公司） ； Wuhan University（武汉大学） ； The University of Melbourne（墨尔本大学） ； Dalian Maritime University（大连海事大学） ； Hunan University of Technology and Business（湖南工业大学；湘江实验室） ； Xiangjiang Laboratory 纠错

AI总结 本文提出GraphSculptor，通过内在结构和语义视角构建图预训练核心集，利用内在统计和预训练语言模型实现去重，理论分析证明其有效性，实验显示10%核心集性能达99.6%且训练时间减少90%。

Comments 9 pages, 5 figures, Accepted by IJCAI 2026

Graph Rewiring in GNNs to Mitigate Over-Squashing and Over-Smoothing: A Survey

图神经网络中的图重 wiring 以缓解过压缩和过平滑：综述

Hugo Attali, Nathalie Pernelle, Davide Buscaldi, Fragkiskos D. Malliaros

机构 * Université Sorbonne Paris Nord, CNRS, LIPN（巴黎- Sorbonne 大学、CNRS、LIPN） ； Université Paris-Saclay, CentraleSupélec, Inria（巴黎-萨克雷大学、CentraleSupélec、Inria） 纠错

AI总结 本文综述了图重 wiring 技术，旨在通过修改图拓扑来提升 GNN 的信息传播，探讨了最新方法的理论基础、实现方式及性能权衡。

Comments Accepted at the International Joint Conference on Artificial Intelligence (IJCAI 2026), Survey Track

Exploring the System 1 Thinking Capability of Large Reasoning Models

探索大型推理模型的系统1思维能力

Wenyuan Zhang, Shuaiyi Nie, Xinghua Zhang, Zefeng Zhang, Tingwen Liu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） 纠错

AI总结 本文研究大型推理模型的系统1思维能力，提出S1-Bench基准测试，发现现有模型在简单问题上存在准确率低和效率差的问题，揭示了模型对问题难度的隐含编码。

Comments Accepted by IJCAI 2026 (Main Track)

Online Self-Calibration Against Hallucination in Vision-Language Models

在线对抗幻觉的视觉-语言模型自我校准

Minghui Chen, Chenxu Yang, Hengjie Zhu, Dayan Wu, Zheng Lin, Qingyi Si

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） 纠错

AI总结 本文提出OSCAR框架，通过蒙特卡洛树搜索和双粒度奖励机制在线校准视觉-语言模型，减少幻觉并提升多模态能力。

Comments IJCAI 2026

Human-in-the-Loop Meta Bayesian Optimization for Fusion Energy and Scientific Applications

人机协同元贝叶斯优化用于聚变能与科学应用

Ricardo Luna Gutierrez, Sahand Ghorbanpour, Ejaz Rahman, Varchas Gopalaswamy, Riccardo Betti, Vineet Gundecha, Aarne Lees, Soumyendu Sarkar

机构 * Hewlett Packard Enterprise（惠普企业公司） ； University of Rochester（罗切斯特大学） 纠错

AI总结 本文提出HL-MBO框架，结合专家知识与少样本不确定性感知机器学习，加速数据稀缺的高风险科学领域发现，优于现有BO方法在聚变能优化和超导材料优化中的表现。

Comments Accepted at IJCAI 2026 (35th International Joint Conference on Artificial Intelligence)

Graph Rewiring in GNNs to Mitigate Over-Squashing and Over-Smoothing: A Survey

图神经网络中的图重连线技术以缓解过压缩和过平滑问题：综述

Hugo Attali, Davide Buscaldi, Nathalie Pernelle, Fragkiskos D. Malliaros

机构 * Université Sorbonne Paris Nord, CNRS, LIPN（巴黎- Sorbonne大学、国家科学研究中心、LIPN实验室） ； Université Paris-Saclay, CentraleSupélec, Inria（巴黎-萨克雷大学、CentraleSupélec、Inria） 纠错

AI总结 本文综述了图重连线技术，旨在通过修改图拓扑提升GNN的信息传播，分析其理论基础、实现方法及性能权衡。

Comments Accepted at the International Joint Conference on Artificial Intelligence (IJCAI 2026), Survey Track

LLM as Clinical Graph Structure Refiner: Enhancing Representation Learning in EEG Seizure Diagnosis

基于LLM的临床图结构细化：增强EEG癫痫诊断中的表示学习

Lincan Li, Zheng Chen, Yushun Dong

机构 * Department of Computer Science, Florida State University（佛罗里达州立大学计算机科学系） ； SANKEN, The University of Osaka（大阪大学SANKEN） 纠错

AI总结 本文提出利用大语言模型对图结构进行细化，以提升EEG信号在癫痫诊断中的表示学习效果，通过两阶段框架去除冗余边，提高诊断准确率和图结构意义。

Comments This paper is accepted by the 35th International Joint Conference on Artificial Intelligence (IJCAI-ECAI 2026)

Maximum Entropy Semi-Supervised Inverse Reinforcement Learning

最大熵半监督逆强化学习

Julien Audiffren, Michal Valko, Alessandro Lazaric, Mohammad Ghavamzadeh

机构 * CMLA, ENS Cachan（CMLA，ENS巴黎-坎帕尼昂） ； SequeL team, INRIA Lille - Nord Europe（SequeL团队，INRIA里尔-北欧） ； Adobe Research（Adobe研究） 纠错

AI总结 本文提出MESSI算法，结合最大熵逆强化学习与半监督学习原理，利用未标注数据提升性能，在高速驾驶和网格世界任务中验证了其有效性。

Comments In Proceedings of the 24th International Joint Conference on Artificial Intelligence (IJCAI 2015)

[COMP25] The Automated Negotiating Agents Competition (ANAC) 2025 Challenges and Results

2025年自动谈判代理竞赛（ANAC）的挑战与结果

Reyhan Aydoğan, Tim Baarslag, Tamara C. P. Florijn, Katsuhide Fujita, Catholijn M. Jonker, Yasser Mohammad

AI总结 本文介绍了ANAC 2025竞赛中的主要研究挑战和关键发现，重点探讨多交易谈判和复杂供应链管理环境中并发谈判代理的发展，分析竞赛结果并提出未来方向。

Comments Submitted as demo to IJCAI 2026

Mamba-Based Graph Convolutional Networks: Tackling Over-smoothing with Selective State Space

基于Mamba的图卷积网络：通过选择性状态空间解决过平滑问题

Xin He, Yili Wang, Wenqi Fan, Xu Shen, Xin Juan, Rui Miao, Xin Wang

机构 * Jilin University（吉林大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 本文提出MbaGCN，通过引入Mamba范式，解决图神经网络中的过平滑问题，通过三种核心组件提升深度GNN模型的灵活性和可扩展性。

Comments Accepted by The Thirty-Fourth International Joint Conference on Artificial Intelligence (IJCAI 2025)