近日，人工智能领域国际顶级学术会议——第40届美国人工智能协会年会（The 40th Annual AAAI Conference on Artificial Intelligence, AAAI 2026）在新加坡EXPO盛大召开。我校孙剑明、杨硕、张冰、郑德权等教师组成的研究团队受邀参与会议核心专项“Logic & AI 桥梁计划”（Bridge Program on Logic & AI），其合作完成的论文《Quantitative Modeling of Recommendation Systems Driven by Dynamic Preference Logic》（基于动态偏好逻辑的推荐系统定量建模）在“语言模型中的逻辑与符号推理”（Logical and Symbolic Reasoning in Language Models）专题论坛上发表，标志着我校在人工智能逻辑推理与推荐系统交叉领域的研究成果获得国际顶尖学术社群的高度认可。
作为中国计算机学会（CCF）推荐的A类国际学术会议，AAAI会议创办于1987年，是人工智能领域历史最悠久、覆盖范围最广、学术影响力最强的顶级会议之一，每年吸引全球数万名顶尖研究者、工程师及学者参与，其收录成果代表着当前人工智能领域的前沿发展方向。本届AAAI 2026以“推动AI跨学科创新，构建逻辑与智能的深度融合”为核心方向，特设“Logic&AI桥梁计划”专项论坛，聚焦大型语言模型（LLMs）在逻辑推理领域的核心挑战——当前LLMs虽在自然语言处理等任务中表现突出，但受限于预训练语料中高质量逻辑样本缺失、仅通过“下一词预测”难以形成系统推理能力等问题，在复杂演绎、归纳及溯因推理任务中仍存在短板，甚至可能产生自相矛盾的输出。该专项论坛旨在搭建AI技术与逻辑理论的交流桥梁，探索提升LLMs逻辑推理能力的创新路径，为解决人工智能“可解释性”“可靠性”等关键问题提供学术支撑。
我校教师团队发表的研究成果，正是紧扣这一国际前沿需求，针对推荐系统领域的核心痛点展开突破。随着推荐系统在电商、媒体等场景的广泛应用，用户偏好呈现出显著的动态性与场景依赖性，但传统推荐模型中的协同过滤、矩阵分解等多依赖静态向量建模，既难以捕捉用户偏好的实时演化规律，也无法解释偏好变化背后的逻辑机制。为此，团队创新性提出三层可解释推荐模型DPDRS：在表示层，结合用户长期偏好、短期偏好及偏好温度构建可实时更新的偏好状态；在推理层，引入“偏好升级算子”，通过正负反馈动态强化或抑制用户偏好属性；在生成层，设计行为决策、属性逻辑、协同过滤三通道融合结构，以一致性损失实现行为语义与属性语义的精准对齐。该研究不仅为动态推荐系统提供了基于逻辑推理的可解释解决方案，更填补了“偏好演化建模”与“AI逻辑推理”交叉领域的研究空白，为新一代智能推荐系统的研发提供了重要理论支撑与实践参考。
此次亮相AAAI 2026国际顶级学术会议，是我校在人工智能前沿领域的重要突破，具有多重战略意义：一方面，标志着我校在AI逻辑推理、推荐系统等方向的研究成果获得国际学界的关注与肯定，成功打通与全球顶尖学术社群的对话通道，为后续开展跨国界、跨学科合作奠定坚实基础；另一方面，通过参与“Logic&AI桥梁计划”等核心专项，我校可实时掌握人工智能领域的最新研究动态与产业需求，为学科建设、课程体系优化及凝练人才培养方向提供精准指引——未来，可围绕“AI逻辑推理”“可解释AI”等前沿方向增设特色课程，联合企业开发实践项目，培养兼具学术创新能力与产业应用能力的复合型人才。
AAAI 2026会议期间，我校教师参与海报展示、专题研讨等系列活动，与来自清华大学、阿姆斯特丹大学、中国政法大学、中国科学院等高校和研究机构的专家学者深入交流，进一步推广研究成果、拓展合作网络。未来，我校将持续锚定人工智能领域国际前沿，加大对基础研究与跨学科创新的支持力度，以学术成果突破推动学科高质量发展。
撰稿：张冰 审核：杨慧瀛
官方微信