作者丨幸丽娟
编辑丨岑峰
8 月 20 日，IJCAI-ECAI 2026 正会进入第三天。若说开幕式是荣誉的加冕，今日聚光灯则转向了获奖研究本身。
在 AIJ/JAIR 获奖论文报告环节，作者们依次登台回顾经典，诠释这些研究在最新语境下的生命力。从 1990 年的抽象推理到 2021 年的机器学习前沿，横跨三十年的学术线索逐次展开。
本届最受瞩目的环节，当属计算机与思想奖得主、斯坦福大学助理教授吴佳俊的特邀报告。作为神经符号融合与物理智能的开拓者，他的研究与这条从符号推理延伸至今的学术线索形成了深度呼应。
台下掌声不仅献给登台者，更献给那条横贯三十年、仍在不断延伸的学术追问。
01 四项论文奖：横跨三十年的学术回响
2026 AIJ 经典论文奖：三十六年后，理论仍在回响
AIJ/JAIR 获奖论文报告环节以AIJ 经典论文奖（AIJ Classic Paper Award）开场。该奖项由 IJCAI 旗下《人工智能期刊》（AIJ）设立，表彰发表至少 15 年前且经时间检验产生持久影响的论文。
今年获奖论文《Nonmonotonic Reasoning, Preferential Models and Cumulative Logics》发表于 1990 年，距今已 36 年。
该论文核心解决了如何为非单调推理建立系统的理论框架。经典逻辑具有“单调性”，但人类推理往往因新信息推翻旧结论（非单调推理）。Kraus、Lehmann 和 Magidor 定义了五族非单调推理关系，通过表示定理打通证明论与模型论，其中核心的“偏好关系”族（System P）至今仍被视为该领域的“保守内核”。
在 IJCAI 舞台上，希伯来大学教授 Daniel Lehmann 与其曾经的博士生、巴伊兰大学教授 Sarit Kraus 轮流登台分享再思考。
Daniel Lehmann 回忆称，当年坚持将论文投给 AIJ 而非纯逻辑学期刊，是为了让工作被更广泛的 AI 学界阅读。他感谢时任编辑丹尼尔·卡尼曼的支持，认为今日的奖项印证了当初选择的明智。
Sarit Kraus 则分享了非单调推理的现在和未来。她指出，人类日常推理及 AI 系统决策天然依赖非单调性。尽管大语言模型（LLM）的推理行为本质上是非单调的，但目前尚无将 KLM 原则直接用于 LLM 验证的成熟方案。
面对这一空白，她尝试将博弈论与 KLM 结合，探索多智能体中的“诚实欺骗”，期望推动该方向迈向新高度。Sarit Kraus 曾于 1995 年获计算机与思想奖，2023 年获研究卓越奖，如今重回经典逻辑直面 LLM 困境，其学术勇气令人敬佩。
2026 AIJ 杰出论文奖：五年，从“小众”到“显学”
AIJ 杰出论文奖（AIJ Prominent Paper Award）聚焦近期创新成果。今年该奖授予 2021 年发表的《Logic Tensor Networks》。
该论文提出 Logic Tensor Networks（LTN），引入完全可微的一阶逻辑"Real Logic"，将逻辑常量、变量等 grounded 到神经网络计算图上，实现了领域知识表达与端到端学习的统一。LTN 证明了神经符号方法有潜力成为通用 AI 范式的基础设施。
一作 Samy Badreddine（索尼 AI 研究员）登台分享。他指出，LTN 后续在两条主线上演进：
在基础研究层面，持续评估模糊逻辑算子对梯度优化的影响，深入研究“逻辑捷径”等归纳偏置问题；在应用层面，拓展至知识图谱、推荐系统、大模型可解释预测及世界模型等前沿方向。
LTN 五年的轨迹表明：一项工作的影响力不取决于发表时的热度，而在于其能否在后续被不断验证、拓展并应用于真实问题。
JAIR 时间检验论文奖：经典之所以为经典——简单、有用、灵活
JAIR 时间检验论文奖（JAIR Test of Time Award）旨在表彰发表在 JAIR 上超过 10 年且影响深远的论文。获奖作品是 2002 年发表的《SMOTE: Synthetic Minority Over-sampling Technique》，Google Scholar 引用量已超 47,000 次。
SMOTE 解决了机器学习中如何处理不平衡数据集的问题，通过在特征空间插值合成新数据点。该方法简单有效，催生了大量变体，成为数据科学标准配置。
一作 Nitesh Chawla（圣母大学教授）分享了构思过程：源于博士期间处理乳腺 X 光图像分类时遇到的数据不平衡难题。他认为 SMOTE 长盛不衰的原因在于足够简单（simple）、足够有用（useful）、足够灵活（flexible）。
即使在生成式 AI 时代，SMOTE 依然具有现实意义。Chawla 指出，数据的不平衡本质不会改变，SMOTE 的局部邻域思想正被拓展至图嵌入、LLM 辅助稀疏数据增强等新场景。
2026 IJCAI-JAIR 最佳论文奖：当可解释性遇到计算复杂性的天花板
IJCAI-JAIR 最佳论文奖侧重表彰近五年发表于 JAIR 的杰出研究。今年获奖论文《The Computational Complexity of Understanding Binary Classifier Decisions》发表于 2021 年，直击可解释 AI 的根本性问题：解释一个二元分类器的决策，到底有多“难”？
论文探讨能否找到足够小的输入变量子集以确定分类结果。作者给出令人清醒的结论：该问题是 NP^PP 完全的。这意味着在最坏情况下，精确找到最小充分特征子集在计算上不可行，即使允许概率近似仍是 NP-hard。
这项研究将“可以做到”的默认假设变成了需要正视的问题：你给出的解释真的可靠吗？真的足够小吗？它提醒研究者要正视解释本身的局限，尊重计算复杂性的底线。
02 三项个人成就奖：从“青年新星”到“终身贡献”
除论文奖外，2026 计算机与思想奖得主吴佳俊带来了特邀演讲《Building Visual and Physical Intelligence Through Code》。
吴佳俊，斯坦福大学计算机科学系助理教授，清华“姚班”本科毕业，MIT 博士。手握 NSF CAREER Award 等多项荣誉，Google Scholar 引用接近 49,000 次。
吴佳俊主张：真实世界蕴含的符号结构应被显式建模为可复用的“内在编码”。他展示了两条互补技术路线：一是将物理编码与可微分模拟器置于学习闭环，提供物理一致性约束；二是利用预训练视频生成模型蒸馏内在物理属性，注入视觉真实感。两者整合后，已在单 GPU 上实现实时运行。
此外，研究卓越奖得主 Nick Jennings、约翰·麦卡锡奖得主 David C. Parkes 也先后发表演讲。
Nick Jennings在演讲《The Past, the Present, and the Future of Agentic AI》中回顾智能体发展历程。作为多智能体系统奠基人之一，他指出行业关注点应从单智能体能力转向智能体间的协作与集体智能。智能体的未来不取决于单个智能体有多“聪明”，而取决于它们构成的“社会”有多值得信赖。
Nick Jennings，英国拉夫堡大学校长，多智能体系统领域先驱，极少数同时获得 IJCAI 计算机与思想奖与研究卓越奖的学者。
David C. Parkes在演讲《From Intelligent Agents to Agent Societies》中聚焦制度设计与机制工程。他认为未来 AI 将是众多智能体与委托人共存的复杂社会，面临逆向选择、道德风险等经典挑战。解决之道在于为"AI 社会”设计适配的制度基础设施，涵盖规则设计、可观测性、资源定价等方向。
David C. Parkes，哈佛大学工学院院长，计算机制设计领域先驱，致力于 AI 与经济学的交叉研究。
03 结束语
纵观 IJCAI 2026 奖项，AI 走过的正是一条“螺旋上升”之路。
36 年前，非单调推理奠定符号逻辑根基；25 年前，SMOTE 提供实用工具；2021 年，计算复杂性理论划定可解释 AI 边界，Logic Tensor Networks 尝试缝合符号与神经的裂缝。
在个人成就方面，Nick Jennings 为 Agentic AI 提供深厚积累，David Parkes 构建“智能体社会”制度框架，吴佳俊则致力于让机器真正“理解”物理世界。
当大语言模型将“智能体”推向台前，这份获奖名单回答了“从哪来，向哪去”的问题：多智能体研究铺好了理论底盘，而“物理理解”是根基、“机制设计”是规则、“可解释性”是边界。
不来梅的盛夏终会过去，但这流淌着三十年学术长河的获奖名单，将继续向前奔涌。