南大周志华团队获奖，AAAI 2025出色论文奖出炉

自 2 月 25 日起，AAAI 2025 开端在美国宾夕法尼亚州费城举行，集会为期 8 天，将于 3 月 4 日停止。AAAI 由国际人工智能增进协会主理，是人工智能范畴汗青最长久、涵盖内容最普遍的国际顶级学术集会之一，也是中国盘算机学会（CCF）推举的 A 类国际学术集会，每年举行一届。AAAI 2025 共有 12957 篇无效投稿，任命 3032 篇，登科率为 23.4%。此中，Oral 论文占比 4.6%。当初，AAAI 2025 出色论文奖正式颁布了，以表扬那些「在技巧奉献跟论述方面表现最高尺度」的论文。本届出色论文共有三篇，此中一篇由海内高校南京年夜学周志华团队斩获，其余两篇由多伦多年夜学、波尔多年夜学等机构的研讨者取得。别的，另有一篇论文被选为「AI 对社会影响特殊奖」。三篇出色论文论文 1：Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection论文地点：https://arxiv.org/pdf/2412.08457机构：南京年夜学作者：胡文超（Wen-Chao Hu）、戴望州（Wang-Zhou Dai）、姜远（Yuan Jiang）、周志华（ Zhi-Hua Zhou）论文择要：神经标记 (Neuro-Symbolic，NeSy) AI 能够类比人类双进程认知，应用神经收集建模直觉体系 1，用标记推理建模算法体系 2。但是，对庞杂的进修目的，NeSy 体系平日会发生与范畴常识纷歧致的输出，并且很难改正它们。本文受人类认知反射的启示，它可能实时发明直觉反映中的过错，并经由过程挪用体系 2 推理来修正它们。作者提出引入基于溯因进修（Abductive Learning，ABL）框架的溯因反射（ABL-Refl）来改良 NeSy 体系。详细来讲，ABL-Refl 应用范畴常识在练习时期溯因反射向量，而后能够标志神经收集输出中的潜伏过错并挪用溯因来改正它们并在推理时期天生分歧的输出。与之前的 ABL 实现比拟，ABL-Refl 效力很高。试验标明，ABL-Refl 的表示优于以后 SOTA NeSy 方式，以更少的练习资本跟更高的效力实现了杰出的正确性。论文 2：Every Bit Helps: Achieving the Optimal Distortion with a Few Queries论文地点：https://www.cs.toronto.edu/~nisarg/papers/value-queries.pdf机构：多伦多年夜学作者：Soroush Ebadian 、 Nisarg Shah论文择要：在多智能系统统中，一个基础义务是将智能体与备选计划（比方资本或义务）停止婚配。平日，这是经由过程获取智能体对备选计划的次序排名（ordinal rankings）而不是其准确的数值功效（cardinal utilities）来实现的。固然这简化了信息获取进程，但信息的不完全性会招致智能体效力沙巴足球低下，这种低效性经由过程一种称为掉真度（distortion）的指标来器量。本文提出了一种新鲜的排序算法，用于单边婚配跟单一胜者推举，该算法让每个智能体应用无限数目的 λ 基数查问，实现了渐近最优的歪曲界线，此中 λ 是一个常数。表 1 跟表 2 分辨供给了本文的成果总结以及在单边婚配跟投票方面的对照。