发布时间：2025-11-14 12:31
在刚刚公布的人工智能领域国际顶级会议 AAAI Conference on Artificial Intelligence (AAAI 2026) 的评审结果中，我院科研团队勇创佳绩，两篇论文从全球数万篇投稿中脱颖而出被录用为长文。本届AAAI2026大会论文评审严格、竞争激烈，在23,680篇进入主赛道评审的论文中，仅有4,167篇被接收，整体接收率17.6%。这是学院首次在AAAI2026中发文，实现了学院在CCF-A类国际顶级会议上的突破。这充分体现了学院在人工智能前沿领域的持续深耕的努力与追求卓越的创新能力。成果一：异构图学习高效推理论文题目：《Spiking Heterogeneous Graph Attention Networks》作者：Buqing Cao*, Qian Peng*, Xiang Xie , Liang Chen, Min Shi, Jianxun Liu核心贡献：该成果首次将类脑的脉冲神经网络（SNN）机制引入异构图学习，提出SpikingHAN，在保持性能精度的同时显著降低模型参数量、内存占用与能耗，并有效提升推理速度。结合SNN的高效特性，SpikingHAN的共享卷积与语义注意力的轻量化设计，使得异构图学习在资源受限设备上实现高效推理成为可能。SpikingHAN总体框架成果二：跨模态检索噪声缓解论文题目：《Geometry-Aware Noisy Correspondence Mitigation for Cross-Modal Text-Based Person Retrieval》作者： Xinpan Yuan†, Shaomin Xie†, Liujie Hua*, Chengyuan Zhang*, Guihu Zhao, Lin Yuanbo Wu*核心贡献：该研究创新性地提出了一个几何结构一致性对齐框架，有效解决了现实场景中文本与图像描述错误关联（即“噪声对应”）的难题。该方法在多个国际公开基准数据集上达到领先水平，即使在高达50%的噪声数据下仍保持极强的鲁棒性，为跨模态学习提供了可靠方案。几何结构一致性对齐框架
在刚刚公布的人工智能领域国际顶级会议 AAAI Conference on Artificial Intelligence (AAAI 2026) 的评审结果中，我院科研团队勇创佳绩，两篇论文从全球数万篇投稿中脱颖而出被录用为长文。本届AAAI2026大会论文评审严格、竞争激烈，在23,680篇进入主赛道评审的论文中，仅有4,167篇被接收，整体接收率17.6%。这是学院首次在AAAI2026中发文，实现了学院在CCF-A类国际顶级会议上的突破。这充分体现了学院在人工智能前沿领域的持续深耕的努力与追求卓越的创新能力。
成果一：异构图学习高效推理
论文题目：《Spiking Heterogeneous Graph Attention Networks》
作者：Buqing Cao*, Qian Peng*, Xiang Xie , Liang Chen, Min Shi, Jianxun Liu
核心贡献：该成果首次将类脑的脉冲神经网络（SNN）机制引入异构图学习，提出SpikingHAN，在保持性能精度的同时显著降低模型参数量、内存占用与能耗，并有效提升推理速度。结合SNN的高效特性，SpikingHAN的共享卷积与语义注意力的轻量化设计，使得异构图学习在资源受限设备上实现高效推理成为可能。
SpikingHAN总体框架
成果二：跨模态检索噪声缓解
论文题目：《Geometry-Aware Noisy Correspondence Mitigation for Cross-Modal Text-Based Person Retrieval》
作者： Xinpan Yuan†, Shaomin Xie†, Liujie Hua*, Chengyuan Zhang*, Guihu Zhao, Lin Yuanbo Wu*
核心贡献：该研究创新性地提出了一个几何结构一致性对齐框架，有效解决了现实场景中文本与图像描述错误关联（即“噪声对应”）的难题。该方法在多个国际公开基准数据集上达到领先水平，即使在高达50%的噪声数据下仍保持极强的鲁棒性，为跨模态学习提供了可靠方案。
几何结构一致性对齐框架
