近日，学院6篇论文被国际人工智能顶级学术会议—第39届人工智能年会（The 39th Annual AAAI Conference on Artificial Intelligence, AAAI 2025，中国计算机学会（CCF）推荐A类会议）录用。本届会议将在美国宾夕法尼亚州费城举行，在全球12957篇有效投稿中，3032篇论文被录用，接收率为23.4%。

论文一：《Multi-Granularity Open Intent Classification via Adaptive Granular-Ball Decision Boundary》（认知计算与群智协同创新团队博士生李艳花为第一作者，杨新教授为通讯作者）。传统的基于边界的开放意图分类方法通常假设已知意图分布在紧凑的球形区域内，依赖于粗粒度的特征表示和精确的球形决策边界。然而，这些假设在实际场景中往往不成立，导致难以通过单一的球形边界有效区分已知意图与未知意图。针对上述问题，论文提出了一种基于自适应粒球决策边界的开放意图分类方法 (MOGB)。MOGB通过层次表征学习方法捕捉已知意图类别内部的细粒度语义结构，利用多个粒球拟合意图类别内部的真实分布信息，通过构建多粒度决策边界实现开放意图分类。在三个公开数据集上的大量实验证明了所提方法的有效性。

图1 自适应粒球决策边界的开放意图分类方法 (MOGB)框架

论文二：《Enhancing the Adversarial Robustness via Manifold Projection》（可信人工智能与行业大数据创新团队硕士生李志挺为第一作者、蒋太翔教授为通讯作者）。论文在可信人工智能领域提出了一种新颖的对抗防御范式，将基于自编码器的流形投影集成到现有对抗训练和对抗蒸馏方法的鲁棒框架中。流形投影将对抗样本对齐到干净样本的流形上，从而削弱攻击强度，并简化从对抗样本到正确标签的学习过程。

图2 新型对抗防御范式示意图

论文三：《Responsive Dynamic Graph Disentanglement for Metro Flow Forecasting》（可信人工智能与行业大数据创新团队高强副教授、硕士生王子铮、黄鹂老师、刘贵松教授）。论文提出用于准确理解地铁流量及外部因素的时空动态的新型响应式动态图神经网络ReDyNet，采用响应机制来适应地铁流量及外部影响变化的同时结合信息瓶颈（IB）理论中的冗余解耦技术，有效提升情境空间信号的清晰度和准确性。

图3 面向地铁流量的新型响应式动态图神经网络结构

论文四：《Adversity-aware Few-shot Named Entity Recognition via Augmentation Learning》（可信人工智能与行业大数据创新团队黄鹂老师、硕士生刘昊文、高强副教授、硕士生余佳静、刘贵松教授）。论文针对小样本环境下的命名实体识别（NER）问题提出对抗感知增强学习方法AAL，采用两阶段范式将基于提示的增强学习与变分原型识别相结合，以面向领域的原型优化应对不确定性攻，增强实体原型的抗干扰能力并保证跨域语义一致性。

图4 小样本场景下的抗干扰命名实体识别模型

论文五：《Flexible Sharpness-Aware Personalized Federated Learning》（可信人工智能与行业大数据创新团队占求港老师为共同第一作者、刘贵松教授为通讯作者）。论文提出一种能够灵活感知锐度的个性化联邦学习框架FedFSA，通过扰动敏感度对客户端模型的逐层锐度进行估计，根据锐度感知优化器（SAM）特性，自适应对锐度更大的参数区域增大SAM扰动，从而增强客户端的泛化性能。

图5 可灵活感知锐度的个性化联邦学习框架

 论文六：《Analytical-Chemistry-Informed Transformer for Infrared Spectra Modeling》（通用人工智能与数字经济创新团队黄士罗老师为第一作者）。红外光谱检测在分析化学领域有重要作用，但红外校正模型难以有效分析来自不同仪器或采集流程的光谱。现有研究采用域自适应方法或迁移学习方法，需要在模型部署环境下采集红外光谱，带来额外成本。论文利用分析化学领域的先验知识引导模型框架设计，基于Transformer提出一种面向红外光谱的建模方法（ACT）。该方法尝试在不采集额外光谱的情况下，实现模型在不同部署环境下的共用。实验表明，该方法能够获得接近甚至优于域自适应方法的性能，展现了实现通用红外模型的可能性。

图6 ACT框架图

AAAI人工智能年会是计算机学科公认的人工智能领域的国际顶级会议之一，由先进人工智能协会（Association for the Advancement of Artificial Intelligence，AAAI）主办，被中国计算机学会（CCF）列为A类会议。学院师生已连续多年在AAAI、KDD、WWW、NeurIPS、ACM MM等CCF A类国际一流会议发表一系列高水平论文，标志着我院在人工智能领域的研究成果得到了国际同行的不断认可。