科研動態 | 我院在人工智能領域旗艦會議IJCAI2026錄用三篇論文

來源：南師計大

原文鏈接：https://mp.weixin.qq.com/s/x75q922XrwsdPkJYLj9B-Q

近日，人工智能領域旗艦會議IJCAI2026公布錄用結果，南京師范大學計算機與電子信息學院/人工智能學院共有3篇論文入選，包括2篇主技術軌道論文和1篇綜述軌道論文。本屆會議共超過5,500篇投稿。上述成果彰顯我院在機器學習、計算機視覺與教育智能等方向的原創貢獻與綜合實力。

【題目】Label Enhancement via Cross-View Fusion and Mixed Graph Propagation

【作者】開夢嬌，談超（通訊作者），王延達，翟娟娜，吳康，顧彥慧，彭寧康

【摘要】論文針對標簽分布學習中的標簽增強問題提出了一種新方法CVMG（Cross-View Fusion and Mixed Graph-based Label Enhancement）。現有方法通常將邏輯標簽與實例特征獨立處理，未充分利用兩者互補信息，且忽略類別間的潛在依賴關系。CVMG通過引入交叉注意力機制，將邏輯標簽與實例特征融合，生成高層次特征表示，從而更準確地捕捉實例描述信息。同時，構建混合依賴圖，將實例級相似性與類別級相關性結合，并在該圖上進行標簽傳播，實現標簽分布的高效恢復。實驗表明CVMG在各評估指標上均優于現有先進方法，顯著提升了標簽增強性能，并通過消融實驗驗證了跨視圖融合與混合依賴圖傳播在模型中的關鍵作用。

【題目】Cross-Domain AI-Generated Image Quality Assessment via Content-Distortion Awareness

【作者】朱順，楊曦晨（通訊作者），趙德春，王天舒，張顏，李天寅，沈肖波

【摘要】AI生成圖（AGI）在游戲、藝術、電影制作等現實場景的應用十分廣泛，準確評價AGI的質量對于保障其后續應用具有重要意義。AGI的質量波動往往與其內容和失真信息高度相關。然而，現有的圖像質量評估方法難以綜合內容和失真角度處理質量評估任務。另一方面，同時具備可信內容和失真標簽的AGI數據相對匱乏，設計有效的跨域方法利用經典場景數據集為AGI質量評價任務提供質量相關知識具有重要意義。基于上述結論，本文提出了一種基于內容?失真感知的跨域AGI質量評價方法（CDAQA）。首先，利用大語言模型獲取圖像的內容和失真表達，并設計了雙流CLIP分別獲取內容、失真相關的質量感知特征。其次，提出了一個圖知識遷移模塊根據域間內容相關特征實現對源域特征的增強。最后，設計了聯合學習框架綜合利用對比學習損失、圖知識遷移損失和質量預測損失實現不同模塊間的協同更新，以更好地面向目標域場景。實驗結果表明，CDAQA在跨域AGI質量評價任務中取得了更準確和更穩定的性能表現。

【題目】LLM-based Intelligent Tutoring Systems: A Survey

【作者】孔力，孫建文，周俊生（通訊作者），Vincent Ng

【摘要】大語言模型（LLMs）憑借其強大的生成、推理和交互能力，正在重塑智能導師系統（ITS）的設計與功能，超越了傳統的基于規則的方法。論文對基于大語言模型的智能導師系統進行了結構化的綜述，分析了這些模型如何改變經典的系統組件和架構。論文首先回顧了傳統智能導師系統的基本概念，介紹了其主要組件的功能角色，隨后闡述了實現這些組件各自所涉及的大語言模型技術及相關數據集。此外，本文還重點梳理了關鍵應用領域，并在此基礎上展望了未來的研究方向。