期刊&会议
International Joint Conference on Artificial Intelligence · 会议 · Artificial Intelligence
语义辐射场作为真实场景空间推理的模拟器
机构 * Leipzig University（莱比锡大学） ； Systems Research Institute Polish Academy of Sciences（波兰科学院系统研究所） ； Wrocław University of Economics（弗罗茨瓦夫经济大学）
AI总结 该研究提出用语义辐射场（SRF）构建兼具几何真实性与语义可查询性的真实场景模拟器，用于训练评估具身智能体的空间推理能力，还将其应用于果园苹果采摘任务。
Comments Accepted at the IJCAI 2026 Workshop on Spatio-Temporal Reasoning and Learning (STRL), oral presentation
基于重分配的代价推断改进稀疏安全离线强化学习
机构 * University of the Witwatersrand（威特沃特斯兰德大学）
AI总结 针对安全离线强化学习中稀疏轨迹级停止反馈问题，提出RCI框架转换为密集每步代价，经理论证明转换无损，实验在两类任务上违规率更低且鲁棒性好。
Comments Accepted at the 1st IJCAI Workshop on Safe Physical AI (SPAI 2026), affiliated with IJCAI/ECAI 2026
作为逻辑的策略：针对规则的鲁棒推理
机构 * IBM Research（IBM研究院） ； IBM（国际商业机器公司）
AI总结 该研究提出混合符号方法，将策略表示为形式逻辑，结合语言模型事实提取与答案集求解器推理，性能优于策略作为提示、策略作为代码方法，令牌用量减少约10倍，助力生成式AI系统做出鲁棒决策。
Comments RobustifAI Workshop at IJCAI-ECAI '26
Backtrader-Bench：基于自生成多项选择题的算法交易大语言模型智能体基准测试
机构 * University of California, Riverside（加利福尼亚大学河滨分校）
AI总结 Backtrader-Bench是用于算法交易LLM智能体的基准框架，通过自生成MCQ解决评估难题，实验显示带工具智能体准确率显著高于无工具模型，还可生成强化学习训练语料以构建专用量化交易智能体。
Comments Accepted to the FinLLM Workshop at IJCAI 2026. Code and data: https://github.com/rzhao999/Backtrader-Bench
从整体到模块：片段级自动提示优化
机构 * ITMO University（伊蒂莫大学） ； HSE（高等经济大学）
AI总结 针对自动提示优化易顾此失彼的问题，提出片段级APO方法SAPO，将提示拆分后针对性优化，在多数据集和模型上取得优于基线的平均得分。
Comments Accepted at the IJCAI-ECAI 2026 Workshop on Robustifying Generative AI for Reliable, Safe, and Human-Centric Systems (RobustifAI)
知识引导的3D CT生成：以条件为中心的分类法
AI总结 本综述提出以条件为中心的分类法，沿外部知识类型、知识集成范式、生成架构三个维度组织条件3D CT生成研究，系统化现有方法并指出未来研究方向。
Comments Accepted to IJCAI-ECAI 2026, Survey Track
标记化溢价的衡量：服务不足语言社区的成本审计
AI总结 本研究通过构建标记化公平审计（TEA）基准，测量了孟加拉语、印地语等5种语言的标记化溢价，发现标记化会给服务不足语言社区带来经济和功能障碍，凸显需重视标记化的公平性。
Comments Accepted at IJCAI 2026 Workshop (https://lm4uc.github.io/)
CORDA：面向大语言模型的以伤害为核心的分层道德推理基准
机构 * University of the Witwatersrand（威特沃特斯兰德大学）
AI总结 研究提出CORDA基准，评估大语言模型的以伤害为核心的分层道德推理，发现多数模型优先避免直接个人伤害，部分模型无法遵循指定优先级，该基准填补了LLM道德评估的核心空白。
Comments 8 pages, 6 figures. Accepted at the Fourth International Workshop on Value Engineering in AI (VALE 2026), affiliated with IJCAI-ECAI 2026
TransSLR：用于手语识别的轻量级Transformer
机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校）
AI总结 针对CASL手语识别的低准确率问题，提出轻量级Transformer模型TransSLR，在CASL-W60基准上取得80.39%的最新准确率，且计算开销低，适用于资源受限环境。
Comments This paper has been accepted for oral presentation at Deep Learning Indaba 2026 which will be hosted on the IJCAI hosting platform. paper link: https://chairingtool.com/conferences/dli2026/main-track/submissions/356
静态与演化数据的解释方法评估面临的挑战
机构 * Poznan University of Technology（波兹南工业大学）
AI总结 本文针对可解释人工智能的评估不足，以DetoxAI系统为例展开研究，探索了演化数据流的解释适配方法，最后关联了数据、模型与解释协同演化的跟踪挑战。
Comments 13 pages, 1 figure = this paper is a preprint of the workshop [Explainable AI in Space] paper for IJCAI ECAI 2026 conference
利用调制器驯服树宽动态规划：图启发式算法的通用增强器
AI总结 该研究提出基于树宽调制器的框架，用树宽动态规划增强各类图组合优化算法，在三类模型和多种范式算法上均显著提升性能，部分贪心算法表现优于商用求解器。
Comments Accepted for publication in the Proceedings of IJCAI 2026
基于经验记忆提升大语言模型智能体的序列决策能力
AI总结 本研究针对LLM智能体序列决策性能不足的问题，提出带经验记忆的智能体框架，通过对局后反思与规则提取，在不修改模型权重的情况下提升了井字棋任务的表现。
Comments 8 pages, 6 figures, 14 tables, 5 appendices, accepted at Neuro-Symbolic Intelligence for LLMs and Autonomous Agents workshop at IJCAI 2026
PDD-RRG：面向研究级放射学报告生成的后验诊断决策
AI总结 针对现有RRG模型未充分利用检查信息、易因额外输入引发诊断错误的问题，提出PDD-RRG框架，通过多视角生成报告并聚合诊断结论，无需重训练即可提升RRG模型临床效能。
Comments Accepted by IJCAI 2026
通过诱饵捷径与知识解耦缓解后门攻击
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空间安全学院）
AI总结 本研究提出TR防御方法，通过蜜罐捷径捕获后门知识，结合知识解耦策略与自动捷径生成，在四个基准数据集和五个模型架构上有效缓解多种后门攻击，同时保留良性性能。
Comments 19 pages; 11 figures; 14Tables; Accept by IJCAI 2026
面向可扩展金融RAG系统的分层重排序
AI总结 该研究针对现有RAG系统处理金融文档时的结构与规模难题，提出含三项创新的分层重排序器框架，在多金融基准测试中表现优异，获ACM-ICAIF '24金融RAG挑战赛第二名，可提升金融推理的准确性与可扩展性。
Comments 8 pages, 1 figure, 3 tables. Accepted at FinLLM @ IJCAI-ECAI 2026
OrthKD：从异构教师中提取通用临床知识以实现轻量级部署
机构 * Tongji University（同济大学）
AI总结 研究针对初级护理中糖尿病视网膜病变筛查模型的部署问题，提出OrthKD框架，从异构教师中选择性蒸馏知识，在资源受限设备上实现实用筛查，提升模型性能，如MobileNetV3学生模型在相关数据集上取得更好的指标。
Comments Accepted to the IJCAI-ECAI 2026 Special Track on AI and Health. 8 pages, 3 figures
少即是多：通用AIGC音频-视频检测的模态解耦
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； University of Agder（阿格德大学）
AI总结 针对通用AIGC音频-视频检测，现有方法假设不总成立，本文提出DAV-Det系统，通过决策级融合独立建模各模态取证证据，视觉和音频检测器分别利用多粒度表示及门控双分支架构，在挑战赛中排名第一。
Comments First place in the General AIGC Audio-Video Detection Challenge at the IJCAI-ECAI 2026 DDL 2.0 Workshop
人类偏好对齐的表格相似性
机构 * CONTACT Software GmbH（CONTACT软件有限公司）
AI总结 研究用于产品生命周期管理等系统相似性搜索的表格嵌入，指出领先方法未针对人类偏好对齐排名优化，标准指标不足以评估嵌入可信度，提出具体评估程序并通过PLM用例说明问题。
Comments Position Paper accepted at IJCAI/ECAI 2026 TRUST AI workshop
用于陀螺恒星估计的学习残差陀螺校正的归因与不确定性行为
机构 * Robotics Innovation Center, German Research Center for AI (DFKI GmbH)（机器人创新中心，德国人工智能研究中心（DFKI有限公司）） ； Airbus Defence and Space GmbH（空客防务与航天有限公司）
AI总结 研究基于深度学习的陀螺仪偏差校正框架的不确定性分解与可解释性，用一维卷积神经网络预测校正，通过模型集合估计认知不确定性，经实验揭示特定轴行为及扰动影响，表明两种不确定性协同良好，为状态估计和故障检测提供见解。
Comments 21 pages, 9 Figures, EASi-Explimed Workshop within IJCAI 2026
用基于树图解析支持的加权班扎夫交互解释生物医学CLIP
机构 * University of Warsaw（华沙大学） ； Centre for Credible AI, Warsaw University of Technology（华沙理工大学可信人工智能中心）
AI总结 研究针对视觉语言模型在医学任务中解释难的问题，引入ParseFIxLIP方法，将树图解析融入班扎夫交互博弈，通过smart_depth分组策略减轻概念碎片化，提升跨模态交互可解释性，为VLM决策提供医学领域相关见解。
Comments 12 pages, 13 figures. Accepted at EXPLIMED 2026 (Third Workshop on Explainable Artificial Intelligence for the medical domain), IJCAI-ECAI 2026
用于可靠洪水预测的上下文感知概念蒸馏
机构 * School of Computer Science and Engineering, The Hebrew University of Jerusalem（耶路撒冷希伯来大学计算机科学与工程学院） ； Institute of Earth Sciences, The Hebrew University of Jerusalem（耶路撒冷希伯来大学地球科学研究所） ； Hebrew University Business School, The Hebrew University of Jerusalem（耶路撒冷希伯来大学商学院）
AI总结 针对深度学习模型‘黑箱’问题阻碍洪水预测信任度的挑战，提出上下文感知概念蒸馏框架CACD，引入无监督管道和残差超网络，经全球多流域评估，该模型高保真且优于黑箱基线，平衡了AI准确性与决策透明度。
Comments to be published in IJCAI 2026 proceedings
用于指令微调的统一道德价值数据集
机构 * RWTH Aachen（亚琛工业大学） ； University of Bonn（波恩大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉玛尔机器学习与人工智能研究所）
AI总结 针对大语言模型与人类价值观对齐问题，构建统一道德价值数据集用于指令微调，通过合并现有数据集并转换格式而成，实验表明其结合通用任务数据集训练可保持性能，为对齐研究提供资源。
Comments Accepted at the 4th International Workshop on Value Engineering in AI (VALE 2026), co-located with IJCAI-ECAI 2026
评估和减轻基于机器学习的招聘中预训练嵌入的性别偏见
机构 * AI Lab, Vrije Universiteit Brussel（人工智能实验室，布鲁塞尔自由大学）
AI总结 研究基于机器学习的招聘中预训练嵌入的性别偏见问题，通过在合成数据集上评估模型、采用多任务对抗学习框架及多目标模型选择，发现清理性别可减少但未消除泄露，对抗学习能改善公平性，是补充策略。
Comments Accepted for presentation at the TRUST-AI 2026 Workshop, held in conjunction with IJCAI/ECAI 2026, Bremen, Germany
EvoThink：通过自剪枝和顿悟时刻偏好优化在大型推理模型中进化思维
机构 * Southeast University（东南大学） ； Noah’s Ark Lab（诺亚方舟实验室）
AI总结 研究针对大型推理模型过度思考问题，提出EvoThink框架，含自剪枝训练和顿悟时刻偏好优化两个关键组件，能减少冗余验证、探索新推理路径，经评估可提高推理效率与能力。
Comments 9 pages, 7 figures, accepted by IJCAI 2026
临床路径作为医院病房物理人工智能的安全规范
AI总结 研究针对医院病房物理人工智能系统的安全挑战，提出将临床路径作为安全规范，构建集成多种组件的概念性机器人架构，用运行时安全监视器结合多种方法识别安全违规，助力护理人员并为安全物理人工智能做贡献。
Comments 4 pages, 3 figures. Accepted at the 1st IJCAI Workshop on Safe Physical AI (SPAI 2026), held in conjunction with IJCAI-ECAI 2026, Bremen, Germany
神经网络验证中的前瞻分支
机构 * Amherst College（阿默斯特学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Stanford University（斯坦福大学）
AI总结 研究神经网络验证中前瞻分支策略，提出通用集成方法，以FSB为例说明，还阐述其能生成加速验证的引理，通过在两个验证器中实例化，实现验证时间加速及解决实例数增加。
Comments Accepted to IJCAI 2026. Lookahead branching is part of the Marabou and $α$-$β$-CROWN verifiers
基于边际影响的全局时间序列解释归因方法的失效
机构 * XITASO GmbH（西塔索有限公司）
AI总结 研究时间序列模型可解释性方法中基于边际影响的归因方法失效问题，指出主要因计算不匹配，定义DAG忠实性，发现标准归因方法如SHAP通常不满足DAG忠实性，其扩展也有同样计算限制。
Comments Accepted at the Workshop on Explainable Artificial Intelligence (XAI), International Joint Conference on Artificial Intelligence (IJCAI 2026)
强化学习策略验证的综述
机构 * TU Wien（维也纳工业大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 综述强化学习策略验证，引入分类法沿验证范式、时间范围和保证强度三个轴阐明现有方法关系，统一理论基础，明确假设局限，确定新兴方向，为RL验证提供统一视角。
Comments Accepted at the 35th International Joint Conference on Artificial Intelligence (IJCAI) 2026
用于安全机器人动作测试和故障恢复的干预因果电路
AI总结 研究机器人动作安全测试及故障恢复问题，提出耦合联合概率树与因果电路并无需重新训练或额外数据收集的闭环框架，经实验验证该框架能减少失败尝试，且被拒计划可生成因果报告支持监督与恢复。
Comments 1st IJCAI Workshop on Safe Physical AI IJCAI 2026 workshop on Safe Physical AI
利用多智能体人工智能和MCP服务器编排电网研究
AI总结 探讨智能体人工智能和MCP在TSO环境下对电网研究的支持，结合大语言模型等要素，介绍pypowsybl - mcp接口搭建试验台，研究智能体交互方式，讨论人工参与原则与评估策略，推动电网研究环境更具交互性、可审计性和扩展性。
Comments Accepted to IJCAI AISE 2026 workshop
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈