西南财经大学通用人工智能与数字经济创新团队两项最新成果入选人工智能顶级会议 AAAI 2026

近日，第40届美国人工智能年会（AAAI 2026）公布论文录用结果，西南财经大学计算机与人工智能学院及人工智能与数字金融四川省重点实验室通用人工智能与数字经济创新团队共有两项最新研究成果成功入选。其中一项被录用为 Oral 展示，充分体现了团队在人工智能基础理论、多视图学习与图智能等方向的持续创新能力与国际影响力。 AAAI 是中国计算机学会（CCF）推荐的 A 类国际学术会议，在人工智能领域具有极高的学术声誉。AAAI 2026 将于 2026 年 1 月 20 日—1 月 27 日在新加坡召开，本届会议共收到 23,680 篇有效投稿，录用率约为 17.6%，竞争异常激烈。

一、可信多视图方向研究成果入选 AAAI 2026

论文题目：Trusted Multi-view Learning for Long-tailed Classification
第一单位：西南财经大学计算机与人工智能学院
研究成员：

• 唐川清（硕士生，第一作者）
• 施逸飞（本科生，作者）
• 林光皓（本科生，作者）
• 施龙副教授（通讯作者）

研究概述

类别不平衡问题在单视角场景中已得到广泛研究，但在多视角情境下仍是尚未解决的开放性难题，尤其缺乏关于可信解决方案的深入探索。本研究针对多视角场景中具有高度挑战性的长尾分类问题提出 TMLC 框架（Trusted Multi-view Learning for Long-tailed Classification），从意见聚合与伪数据生成两个关键方向提出创新：基于社会认同理论设计群体共识意见聚合机制，引导模型沿群体偏好方向进行决策；并通过新颖距离度量改进 SMOTE 以适应多视角特性，结合不确定性驱动的数据生成模块构造高质量伪样本，从而有效缓解类别不平衡带来的负面影响。

大量多视图长尾数据集实验表明，该方法在分类性能与稳健性方面均显著优于现有方法。

二、图智能方向成果被 AAAI 2026 录为 Oral

论文题目：Transferable Graph Condensation from the Causal Perspective (TGCC)
第一单位：西南财经大学人工智能与数字金融四川省重点实验室
研究成员：

• 杜华明博士
• 黄奕杰（硕士生）
• 刘贵松教授
• 赵宇教授

研究概述

在图数据集压缩领域，现有压缩方法严格受限于下游任务与领域必须与原始设定一致的前提，导致其在跨任务、跨领域的现实场景中泛化能力严重不足。为解决这一挑战，论文提出一种基于因果不变性的可迁移图数据集压缩框架TGCC 框架（Transferable Graph Condensation from the Causal Perspective）： TGCC通过因果干预技术提取空间域中的领域不变特征，结合增强型图压缩操作与谱域对比学习，使压缩后的图数据完整保留原始图的因果语义与结构信息。

在跨任务、跨领域的复杂场景中，TGCC相较现有方法最高可实现13.41%的性能提升，实现了压缩效率与泛化能力的统一。该成果也凭借其创新性与广泛影响被评为 AAAI 2026 Oral。

结语

通用人工智能与数字经济创新团队在可信多视图学习、图数据压缩等方向持续产出高质量研究成果，多项成果入选国际顶级会议 AAAI，展示出团队在人工智能基础理论与交叉应用方面的前沿实力。未来，团队将继续围绕可信 AI、多模态学习、图智能等方向开展深度研究，为人工智能学科建设与行业发展贡献更多高水平成果。