螞蟻集團 IJCAI 2026 論文盤點：讓 AI 學會「隨機應變」

本文作者：叢末

2026-08-06 14:24

導語：再聰明的算法，終歸要回到動態環境中檢驗。

再聰明的算法，終歸要回到動態環境中檢驗。

作者丨幸麗娟

編輯丨齊鋮湧

IJCAI-ECAI 2026 將于 2026 年 8 月 15 日至 21 日在德國不來梅舉行。大會召開之際，AI科技評論也正在系統掃描本屆頂會收錄的論文，從中捕捉技術趨勢和行業風向。

在上一篇華為 IJCAI 2026 論文盤點：從「規模密度」轉向「設計密度」中，我們觀察到了大廠在參數競賽上的克制，以及對算力效率的追求。

而螞蟻集團入選的四篇論文，則指向了一條同樣重要但路徑截然不同的技術脈絡：對動態環境適應能力的系統性探索。

算法模型的精度在實驗室里不斷刷新紀錄，但一旦部署到真實世界，性能衰減幾乎成為常態。原因很簡單：真實世界從來不是靜止的。

螞蟻集團的業務場景，將這種“不靜止”推向了極致：超10億用戶、8000多種服務，支付洪峰與凌晨低谷之間可以差出幾個數量級，風控模型必須以小時級響應黑產策略的迭代，全球化部署還要適配各國迥異的金融基礎設施。

在這樣的環境里，“一次訓練、永久部署”的靜態模型，注定陷入“刻舟求劍”的困境。

也正因此，真正的智能，在于算法能否感知環境變化、主動調整自身策略、在動態中尋找最優解。螞蟻集團這四篇論文，不約而同地回答了這個核心命題：如何讓AI從“靜態的求解器”進化為“動態的自適應者”？

MSRGC-Net：讓時間序列

聚類“自適應”數據密度分布

時間序列聚類，就是把海量行為序列自動歸類，這是一種理解行為模式、監控異常信號的基礎工具。

但現有方法各有各的尷尬：

相似度方法（如k-Shape）：能抓局部模式，但要算所有樣本兩兩之間的距離，數據一多就跑不動了；
深度學習方法（如自編碼器）：表征能力強，但訓練貴、調參煩、算力消耗大；
傳統特征提取：依賴人工設計特征，關鍵的時間動態信息可能被丟掉。

更大的問題是：現實中的時序數據密度分布極不均勻——雙十一交易數據密集如暴雨，凌晨數據則稀疏如滴水，但傳統方法需要你提前告訴它分成幾類，這本身就與現實錯位。

螞蟻集團聯合重慶郵電大學提出的 MSRGC-Net，用一套“無訓練”的組合拳，繞開了精準度和計算效率之間的兩難選擇。

論文地址：https://arxiv.org/pdf/2606.12077v1

▎它的核心邏輯可以拆成三步：

第一步，多尺度儲備池編碼（特征提取）。使用多個無需訓練的回聲狀態網絡（ESN）作為儲備池計算的基本單元，僅靠調整譜半徑就能從原始時序中同時提取局部波動和長期趨勢，將所有樣本聚合后形成視圖特征矩陣，作為后續環節的輸入。

第二步，“顆粒球”錨定圖構建（結構建模），這是最巧妙的部分。算法不再盯著單個數據點，而是根據數據的局部密度自動劃分“顆粒球”（Granular Ball）：密度高的區域形成小而多的顆粒，密度低的區域形成大而少的顆粒。數據規模從 N 壓縮到 M（顆粒數，M < N），同時噪聲干擾也被抑制。

第三步，基于共識的多尺度圖優化。跨尺度的錨定圖通過共識策略融合，使模型既能捕獲微觀局部模式，又能把握宏觀全局趨勢，最終生成無需人工指定聚類數目的魯棒聚類結果。

這套打法效果如何？

在5個多變量基準數據集、15項評估指標（NMI、ARI、RI各5項）上，MSRGC-Net拿了12項最優、2項第二——80%的最優率。

更關鍵的是，它避開了O(n2)的成對計算，實現了近線性的復雜度。簡單說就是：又快又準，而且不需要你猜要分幾類。

在螞蟻的實際業務場景中，這意味著系統能根據流量密度自動調整聚類粒度——高峰時精細分群抓異常，低谷時粗粒度概括省算力，始終跟著數據走。

讓離線到在線強化

學習“自適應”數據混合策略

強化學習有個著名的“水土不服”問題——“分布偏移”：在離線數據上訓練好的模型，一上線就容易“失憶”。這是因為離線數據和在線交互數據之間存在分布差異，導致在線初期策略迅速“遺忘”離線學到的知識。

現有的解決辦法無非兩種：要么固定50%離線+50%在線這樣的混合比例，要么用啟發式規則優先采樣“近策略”的樣本。

但問題是，策略在不同階段的需求完全不一樣——早期需要更多離線數據穩住基本盤，后期需要更多在線數據探索新可能。固定策略，就是刻舟求劍。

螞蟻集團聯合上海交通大學提出ROAD ，把數據混合比例從一個“預設參數”變成了“動態決策變量”。

論文地址：https://arxiv.org/pdf/2605.14497

它的核心思想很有意思：數據選擇本質上是個雙層優化問題。

內層（Inner-Level）：標準的Q學習更新，即最小化貝爾曼誤差；
外層（Outer-Level）：將數據混合策略視為元決策變量，以最大化在線策略的預期回報為目標。

兩層通過多臂老虎機 MAB (Multi-Armed Bandit）算法近似求解，使得混合策略能夠在訓練過程中實時調整：一旦發現模型開始“遺忘”離線階段學到的知識，就自動調高離線數據的采樣比例來穩住基本盤；當模型趨于保守、探索不足時，又及時增加在線數據的占比，鼓勵它去試錯。

實驗做得挺扎實。團隊在離線到在線強化學習的三大經典基準上進行了驗證：AntMaze（機器人在迷宮中尋找目標）、MuJoCo（仿生機器人的運動控制）和FrankaKitchen（機械臂在廚房中完成復雜操作）。這些任務難度不同、狀態空間各異，能比較全面地檢驗算法的泛化能力。

為驗證ROAD的算法普適性，研究團隊ROAD和IQL、PEX、CQL、Cal-QL等多種主流離線算法“嫁接”在一起。結果顯示：無論底層用哪種算法，ROAD都能穩定帶來性能提升。

以PEX+ROAD為例，該方法在D4RL基準的24個連續控制任務上取得了71.12的總體平均分，24個任務里有18個排第一，顯著優于固定比例、遞減比例、啟發式平衡回放等所有基線。

也就是說，ROAD 能夠讓模型在“保守繼承”和“激進探索”之間找到了最優平衡點——既不會一上線就翻車，也不會錯失實時數據帶來的提升機會。該方法對螞蟻集團風控模型上線、推薦系統實時優化這類場景而言，價值很鮮明。

DSEBO：讓高維貝葉斯

優化“自適應”搜索子空間

貝葉斯優化是黑盒函數優化的經典方法，但一碰到高維問題就頭疼。一種常見解法是隨機嵌入——把優化投射到低維子空間，但新問題來了：有效維度到底是多少？

傳統方法要么依賴專家經驗給定固定子空間維度，要么通過試錯法反復估計，不僅消耗大量資源，且固定的子空間維度難以適配不同任務。更麻煩的是，有效維度本身可能隨優化進程變化：初期探索時低維度就夠用，后期精調時可能需要更高維度的細節。

螞蟻集團聯合華東師范大學、南京大學提出的 DSEBO，讓子空間維度成為優化進程中的“動態變量”，隨搜索進度自主切換。

論文地址：https://arxiv.org/pdf/2605.23473

DSEBO的核心機制是“從低到高，逐級躍升”：

從低維子空間出發，優化器在低維空間生成候選解，經隨機嵌入映射至原始空間，并快速摸清目標函數的大致輪廓，然后結果反饋驅動高斯過程迭代更新；
觀察到收斂后自動觸發維度擴展，通過共享嵌入矩陣把低維解“繼承”到高維；
新子空間初始化和繼續優化，由共享嵌入矩陣確保各子空間相互嵌套，形成“低維探索→收斂觸發→維度擴展→繼續優化”的循環，直到達到評估預算上限。

其中維度擴展環節，擴展幅度也不是固定的——算法會根據當前最優值變化曲線自適應調整：曲線平緩就慢點擴，省不必要的開銷；曲線陡峭就快點擴，快速捕捉高維增益。

實驗結果是：在合成函數（Levy、Griewank、Sphere，D=1000）和三個真實任務（MSLR、Lasso-Hard、LIMO）上，DSEBO與REMBO、SIRBO、BAxUS、TuRBO等十幾種主流方法逐一對比，幾乎所有任務上都拿下了最優解——精度和收斂速度雙雙領先。

這套“低維探路、高維精調”的打法，在螞蟻的日常研發中也很實用——信貸模型的超參數調優、風控策略的閾值尋優、營銷活動的多變量實驗設計，不再需要專家拍腦袋估計維度了，算法自己會“邊走邊看”，實現了自動化、高效率的運行。

VGA-BenchV2：讓視頻評估

基準“自適應”AIGC生態的進化

如果說前三篇論文討論的是算法層面的自適應，那么VGA-BenchV2展示的是評估基礎設施如何“自適應”AIGC 技術生態的迭代。這也是四篇論文中唯一聚焦多模態內容理解的工作，映射了螞蟻集團在數字生活、內容生態等非金融領域的戰略儲備。

AIGC讓視頻生產大爆發，但一個核心問題卡住了：我們怎么系統性評估這些生成視頻的質量？

傳統評估指標如 FVD（評估整體質量與時序連貫性）CLIP Score（評估生成圖像與文字描述的語義一致性），主要看畫面清不清晰、動作連不連貫、文本對不對得上。至于構圖精不精妙、光影講不講究、色彩和不和諧——這些關乎“美感”的感知品質，它們幾乎無能為力。

此前CVPR 2026上，螞蟻聯合北京電影學院、通用人工智能研究院（BIGAI）提出了VGA-Bench，首次為視頻審美評估建立了三維度框架（美學質量、美學標簽、生成質量），并基于1016個提示詞、12個生成模型、超6萬個視頻構建了評估基準，讓AI第一次學會了從專業視角“鑒賞”視頻。

論文鏈接：https://arxiv.org/pdf/2604.10127

但視頻生成模型進化太快，以月為單位的迭代節奏讓固定基準很快就“不夠用了”。在這篇IJCAI 2026論文中，團隊又進一步推出VGA-BenchV2。

開源地址：

https://huggingface.co/datasets/BestVictoryLab/VGA-Bench

▎核心進化有三點：

第一，人工標注量級增加。 VGA-BenchV2新增了36,000條任務級人工標注，其中美學質量標注16,200條、美學標簽標注13,200條、生成質量標注6,600條，相比VGA-Bench分別實現了13.46倍、11.15倍和1.55倍的擴展。更充足的“人類偏好”數據，讓評估器與人的審美判斷對齊得更準。

第二，評估器架構升級。團隊設計了混合架構：VAQA-Net負責連續美學評分，VTag-Net和VGQA-Net基于Qwen大視覺語言模型進行標簽識別和質量評估。大模型的引入，讓評估器對復雜視覺語義的理解上了一個臺階。實驗結果表明，其在多個生成模型上的評估結果與人類判斷高度一致。

第三，從“評估”到“優化”的閉環打通。這是VGA-BenchV2最具突破性的設計：它將學到的美學評估器作為獎勵信號，直接用于強化學習的生成模型微調。這意味著評估基準不再只是“裁判員”，它給出的分數可以直接轉化為優化信號，指導生成模型在美學質量上持續迭代。

VGA-Bench到VGA-BenchV2，評估體系不再是靜態的標尺，而是與生成生態“共進化”的活系統。對于螞蟻集團的內容理解、安全審核、推薦優化等場景而言，視頻質量評估能力不僅能跟上AIGC生態的演進，還能反過來驅動上游模型的優化：從“打分”到“優化”，閉環就此形成。

結束語：再聰明的算法，

終歸要回到動態環境中檢驗

四篇論文分別從無監督學習、強化學習、黑盒優化和多模態評估四個方向切入，共同指向了同一個技術路徑——從靜態到動態的范式轉換。

實驗數據也印證了這條路徑的有效性：MSRGC-Net在15項指標中拿下12個第一、2個第二；ROAD在多類離線到在線強化學習任務中超越現有策略；DSEBO在千維優化問題上實現了可量化的改進；VGA-BenchV2在多個生成模型上的評估結果與人類判斷高度一致。

順著這條技術路徑再看螞蟻的整體布局，會發現一個清晰的“雙輪驅動”結構：一面在金融核心場景中深耕時序建模、強化學習和優化算法；一面在數字生活與內容生態中前瞻布局多模態理解與評估基礎設施。

說到底，算法再聰明，終歸要回到動態的環境中檢驗。這四篇論文的真正價值，或許正在于它們都生長在真實的業務土壤里：螞蟻的業務場景不是論文的“背景板”，而是問題的來源、數據的產地和效果的檢驗場。

而這或許，正是工業界做 AI 研究最獨特的地方——他們不只是在“做論文”，更是在為真實世界的問題，找“能抗住動態變化”的解法。雷峰網雷峰網雷峰網(公眾號：雷峰網)

IJCAI 2026 要來了，你還在單打獨斗？

為了方便大家抱團交流、互通會議消息，我們專門建了 IJCAI 2026 參會群！進群你會解鎖這些「福利」?

會議情報站：投稿 DDL、格式規范、評審進度……關鍵節點第一時間送達，再也不怕錯過 deadline，投稿準備穩穩的。
同行茶話會：天南海北的同行都在群里，聊心得、碰思路、攢人脈，科研路上我們同行。
前沿補給站：最新研究成果、熱點方向實時同步，結合會議主題幫你捋清投稿脈絡，給論文靈感加滿油。
現場后援團：（會議期間專屬開啟）：到了會場也不用慌——
路線導航：場館分布、報告廳怎么走，群里隨時問；
議題共讀：熱門 session、Keynote 現場探討，錯過也能追；
Poster 匯編：現場海報精華整理，一鍵收藏不遺漏；
約局廣場：約飯局、采訪局、交流局……想嘮嗑、想合作、想面基，群里發起就成。