IJCAI 2026 四项论文奖、三项个人成就奖，回答 AI 的「来路」与「去路」

8月20日，IJCAI-ECAI 2026进入第三天。本届大会颁出四项论文奖与三项个人成就奖，获奖工作从1990年的非单调推理延伸至2021年的神经符号方法，勾勒出AI三十余年的学术脉络。

论文奖

AIJ 经典论文奖 | 《Nonmonotonic Reasoning, Preferential Models and Cumulative Logics》（1990年）

这篇论文为非单调推理建立了系统理论框架，定义了五族非单调推理关系，其中偏好关系族System P被视为该领域的“保守内核”。作者Daniel Lehmann与Sarit Kraus在36年后登台回顾。Lehmann回忆了当年坚持将论文发表于AI期刊的决定，并对已故编辑Daniel Kahneman表达感谢。Kraus指出，大语言模型的推理本质上也是非单调的，但目前尚无人将KLM原则直接用于LLM验证；她正尝试将博弈论与KLM结合，探索多智能体中的“诚实欺骗”。

AIJ 杰出论文奖 | 《Logic Tensor Networks》（2021年）

论文提出Real Logic——一种完全可微的一阶逻辑，将逻辑常量、变量、谓词和函数映射到神经网络计算图上，用模糊逻辑语义定义真值，从而统一知识表达与TensorFlow 2自动微分端到端学习。一作Samy Badreddine回顾了LTN的后续演进：理论上围绕模糊逻辑算子、逻辑捷径等归纳偏置问题展开；应用上被拓展至知识图谱与推荐系统、大语言模型可解释预测、世界模型等方向。

JAIR 时间检验论文奖（今年新设） | 《SMOTE: Synthetic Minority Over-sampling Technique》（2002年）

SMOTE通过在特征空间中对少数类样本插值来合成新数据，是处理不平衡数据集的经典方法，Google Scholar引用量超过47,000次，催生了Borderline-SMOTE、ADASYN等100多种变体，并被Azure ML、Amazon SageMaker等平台集成。作者Nitesh Chawla表示，SMOTE的局部邻域思想正在被拓展至图嵌入、LLM辅助稀疏数据增强等新场景。

IJCAI-JAIR 最佳论文奖（首次颁发） | 《The Computational Complexity of Understanding Binary Classifier Decisions》（2021年）

论文证明，给定一个二元分类器的布尔函数表示，找到足够小的变量子集以给定概率确定分类结果的问题是NP^PP完全的；即使在概率近似条件下，问题仍然是NP-hard的。这一结果为LIME、SHAP等可解释AI方法的“特征重要性”思路标出了计算复杂性边界。

个人成就奖

计算机与思想奖：斯坦福大学助理教授吴佳俊（Jiajun Wu）。他本科毕业于清华大学交叉信息研究院“姚班”，后在MIT获得博士学位，师从Bill Freeman和Josh Tenenbaum，Google Scholar引用接近49,000次。他发表特邀演讲《Building Visual and Physical Intelligence Through Code》，主张将物理世界中的对称、重复、层级等符号结构显式建模为“内在编码”，并展示两条互补路线：一是将物理编码与可微分模拟器放入学习闭环，通过自监督重建提取三维几何、纹理、材质和运动；二是利用预训练视频生成模型作为知识源，通过分数蒸馏采样（SDS）蒸馏出形状、材质、光照等属性。两条路线整合后可在单GPU上实时运行，兼顾物理合理性与视觉真实感。

此外，研究卓越奖得主Nick Jennings和约翰·麦卡锡奖得主David C. Parkes也已分别发表特邀演讲。