AI科技评论

2026-08-07

导读：67篇推理加32篇规划，IJCAI里最硬的13.3%。

IJCAI-ECAI 2026：67 篇推理加 32 篇规划，铸就最硬的 13.3%。

作者丨陆毅陈淑瑜

编辑丨岑峰

"IJCAI/AAAI 在推理、规划、知识方面是最顶级的，这几个方向也是 AI 当下急需的。”

2019 年，南京大学俞扬教授在关于 AI 顶会评级的讨论中写下此言。彼时大语言模型尚未爆发，“推理”一词远未如今日般炙手可热。七年过去，当 DeepSeek-R1 用强化学习激发推理链、AlphaGeometry 以符号引擎超越 IMO 选手、全行业反思“大模型到底会不会推理”之时，俞扬教授的论断愈发显现出前瞻性。

IJCAI 是否仍是推理、规划与知识领域的顶级殿堂？本文以 IJCAI-ECAI 2026 的最新论文阵容为证，从宏观格局与微观案例两个维度，验证这一观点在当下的有效性。

为什么 IJCAI 的“基因”里写着推理、规划与知识

IJCAI-ECAI 2026 将于 8 月 15 日至 21 日在德国不来梅举行，本届会议将与第 29 届 ECAI（欧洲人工智能会议）联合举办。自 1974 年首届会议以来，ECAI 一直是欧洲符号 AI 与知识工程研究的传统主场，其核心领域明确涵盖"planning, search, constraints, satisfiability, knowledge representation"。当 IJCAI 与 ECAI 联袂，符号 AI 的学术传统得以双重强化。

从数据来看，IJCAI 对该方向的投入坚实有力。据预估，IJCAI 2026 总投稿超 5400 篇，录用 990 篇，录用率约 18%。在主赛道（main-track）中，"Knowledge Representation and Reasoning"录用 67 篇，"Planning and Scheduling"录用 32 篇，仅这两个核心方向即占录用总数的 13.3%。若计入同属符号 AI 传统的"Constraint Satisfaction and Optimization"与"Search"，相关论文集群达 148 篇，占比约 20.8%，即每五篇论文中便有一篇属于符号推理谱系。

不仅数量稳定，质量亦突出。回顾近年 IJCAI 杰出论文奖名单，推理、规划与知识方向的论文高频出现。

注：上图仅选取与推理/规划/知识方向直接相关的获奖论文。

若说录用数量体现了“广度”，杰出论文奖的反复垂青则证明了该领域的“深度”。

推理（Reasoning）：从纯符号到神经符号的进化

俞扬教授所指的“推理”主要基于逻辑规则与知识表示的符号推理。至 2026 年，该方向非但未萎缩，反而因大语言模型的兴起焕发新生。以下三篇录用论文勾勒出这一趋势。

神经决策传播：让 ASP 在连续域中“可微”

答案集编程（ASP）是知识表示与推理的核心工具，但与神经网络集成时，常受限于连续输出到离散符号的转换瓶颈，导致组合爆炸且无法利用 GPU 并行能力。维也纳理工大学 Thomas Eiter 团队提出的 Neural Decision-Propagation (NDProp) 方法打破了这一局限。

该方法设计了 Decision-Propagation (DProp) 迭代管线，并在其基础上扩展为可微版本：用循环神经网络替代离散决策，用模糊逻辑算子替代真值传播，实现 ASP 求解过程的端到端训练。实验显示，在 MNIST 算术推理任务上，NDProp 准确率超越 NeurASP 和 SLASH，推理速度分别提升约 42 倍和 7 倍；在视觉数独任务中，亦兼顾了符号推理的精确性与神经网络的鲁棒性。

该研究将 ASP 求解过程本身“神经化”，为神经符号 AI 开辟了真正的端到端技术路径。

LLM 进化 SAT 求解器：大模型加速符号推理

针对 SAT 求解器启发式函数难以人工优化的难题，论文"Bridging LLMs and SAT Solving"提出让大语言模型自动进化启发式函数。作者设计的 AESAT 框架采用混合专家架构：GPT-4.5 负责创意生成，Claude 3.7 负责代码实现，DeepSeek-R1 负责逻辑分析与进化交叉。衍生求解器 AE-Kissat-MAB 在 2025 年国际 SAT 竞赛主赛道夺冠，标志着大语言模型已成为符号推理引擎的“进化加速器”。

让 AI 学会“抽象”：ASP 的泛化推理基础

在 Early Career Spotlight 环节，Zeynep G. Saribatur 将带来题为"Towards Reasonable AI"的报告，聚焦人类推理依赖的抽象与泛化能力。她选择在 ASP 框架中发展形式化抽象方法，旨在简化推理表示而不丢失关键解的性质。相关工作"Abstracting the Indistinguishable in ASP"也在主赛道录用，表明抽象推理这一基础方向在 IJCAI 版图中占据重要位置。

规划（Planning）：从经典 PDDL 到 LLM 驱动的混合规划

规划是 IJCAI 的传统强项。2026 年的论文显示，经典 PDDL 式规划依然活跃，而 LLM 驱动的混合规划成为新增长极。

DUPLEX：让 LLM 与符号规划器各司其职

针对大语言模型在长时域任务中的幻觉与逻辑不一致问题，东北大学与美的集团联合提出"DUPLEX"双系统架构。该策略将 LLM 严格限制在结构化语义信息提取上，由经典符号规划器负责逻辑计划合成。快速系统处理常规指令，慢速系统在规划失败时利用高容量 LLM 进行迭代反思。评估显示，DUPLEX 在成功率与可靠性上显著优于现有基线，验证了“分工协作”的有效性。

实时多机器人运动规划：经典搜索与机器学习的联姻

Amazon 研究团队发表的"SIPP-PP-LNS"框架，采用两阶段算法解决多机器人运动规划挑战：第一阶段利用优先级安全区间路径规划（SIPP-PP）生成初始轨迹，第二阶段利用 XGBoost 引导的大邻域搜索（LNS）解决冲突。该方案比基于学习的扩散规划器快两到三个数量级，能在数十毫秒内生成无碰撞路径，满足工业级实时需求。

ChinaTravel 挑战赛：在真实场景中检验 LLM 智能体

南京大学 LAMDA 实验室组织“第二届智能旅行规划挑战赛”，基于 1154 条真实中文需求构建基准。不同于简化的填空题，该挑战要求模型权衡空间、时间、预算等多重耦合变量，并通过组合约束验证检验智能体的语义理解与泛化能力。这体现了“LLM 做语言理解，符号层处理长程搜索与验证”的神经符号规划主张。

知识（Knowledge）：从知识表示到神经符号知识工程

知识表示与推理（KRR）是 IJCAI 收录论文最多的话题之一。2026 年呈现出传统理论深化与神经方法融合加速的双重特征。

CRIL 实验室的“七篇齐发”：KRR 方向的学术密度

法国 CRIL 实验室在本届会议录用 7 篇论文，覆盖 KRR 核心子方向。其中包括研究 ASP 中原子抽象问题的"Abstracting the Indistinguishable in ASP"，以及引入量化思维分析论证框架差异的"Diversity of Extensions in Abstract Argumentation"。此外，还有涉及可解释 AI、分布式模型计数及不一致性度量的多项成果。一个实验室在同一会议密集发表多篇 KRR 论文，彰显了 IJCAI 作为该领域学术家园的地位。

可解释 ASP：让符号推理“看得见”

Survey/Vision track 论文"An XAI View on Explainable ASP"系统梳理了 ASP 在可解释 AI 中的角色。ASP 天然的逻辑演算链条使其具备可验证、可追溯的优势。该综述整合了方法、系统与未来方向，指出在 LLM“黑箱”引发关切的当下，ASP 是可解释 AI 坚实的理论基础。

知识图谱更新可以“静态正确”且“可编程”

论文"GEV: Statically Correct and Programmable Knowledge Graph Updates"解决了知识图谱更新的类型安全问题。GEV 框架引入编程语言中的静态类型检查思想，确保更新操作在执行前即被验证为正确，同时保持表达力。这体现了 KRR 方向从纯理论向工程可用性拓展的趋势。

结语：从“顶级”到“不可替代”

回望 2019 年俞扬教授的论断，2026 年的证据给出了清晰回应：IJCAI 在推理、规划、知识方面的顶级地位不仅成立，且更具现实意义。

宏观上，IJCAI 与 ECAI 的联合强化了符号 AI 的全球连接，相关方向论文占比近四分之一且屡获殊荣。微观上，从 NDProp 打破 ASP 求解瓶颈，到 AESAT 利用 LLM 进化启发式，再到 DUPLEX 实现人机协作规划，这些工作共同指向一个事实：在“大模型会不会推理”成为行业焦点的今天，IJCAI 深耕的推理、规划与知识方向，正是回答这一关切的关键。

正如俞扬教授所言，这几个方向是 AI 当下急需的。当纯粹规模扩展遭遇瓶颈，IJCAI 所坚持的道路，正是 AI 走向真正智能的必经之路。