<mark id="oztn4"></mark>
0
| 本文作者： 陳淑瑜 | 2026-07-28 17:26 | 專題：IJCAI：國際人工智能聯合會議 |
編輯丨岑峰
在近日公布的國際人工智能聯合會議（IJCAI 2026）Tutorial（講習班）錄用名單中，出現了一個極其罕見的現象：清華大學王鑫教授團隊，憑借 T9《Beyond Graph Distribution Shifts》與 T11《OOD Generalized Generative AI》同時包攬兩席。
在全球頂尖高校與科技巨頭云集的 IJCAI 賽場，同一團隊拿下“雙殺”，不僅彰顯了清華在 AI 領域的強勢話語權，更向全行業釋放了一個強烈的信號：生成式 AI 的下一場技術戰役，已經從“大力出奇跡的 IID（獨立同分布）擬合”，全面轉向了“應對真實物理世界的 OOD（分布外泛化）挑戰”。為什么是王鑫團隊？這兩場看似獨立、實則底層相通的 Tutorial，究竟藏著怎樣的學術野心與產業圖景？
01
大語言模型（LLM）與生成式 AI 在過去幾年高歌猛進，但產業界很快撞上了一堵無形的墻：模型在訓練數據（分布內，IID）上表現如神，一旦面對真實世界中前所未見的新場景、新結構或罕見提示詞（分布外，OOD），就會瞬間智商斷崖式下跌，甚至產生嚴重的幻覺。
這種“見光死”的窘境，源于傳統深度學習對“數據同分布”的脆弱依賴。而打破這一魔咒，正是清華大學王鑫團隊長期以來深耕的硬核領地。
早在生成式 AI 徹底爆發前，王鑫團隊就已敏銳地察覺到：真實的物理世界永遠是動態變化的。他們沒有隨波逐流地去卷模型的“參數規模”，而是死磕底層邏輯，將研究重心死死錨定在“OOD 泛化（Out-of-Distribution Generalization）”這一 AI 皇冠上的明珠。
此次 IJCAI 2026 的兩場 Tutorial，正是其多年扎根這一領域積淀的厚積薄發。
02
入選的 T9 講習班主題為《Beyond Graph Distribution Shifts》（超越圖分布偏移）。這并非傳統的圖神經網絡（GNN）基礎授課，而是精準切中了當前最前沿的交叉領域：Graph（圖）與 LLM（大語言模型）的泛化融合。
現實世界的數據往往是高度結構化且動態演進的（例如動態知識圖譜、不斷進化的生物醫學網絡）。官方介紹中犀利地指出，絕大多數現有圖學習方法都建立在“同分布（I.D.）假說”的溫室里，而真實場景無情地打破了這一假說。
為了跨越這道天塹，王鑫與朱文武教授團隊在 T9 中拋出了一套系統性的“三維解法”：
1.Graph LLMs（圖大語言模型）： 將 LLM 強大的表征能力與圖結構深度綁定，讓模型在圖數據上也能實現靈活的上下文學習（In-context）和小樣本學習（Few-shot）。
2.動態適應（Adaptation）： 針對不斷進化的數據，引入圖神經網絡架構搜索（NAS）與持續學習（Continual Learning）策略，讓模型擁有“自我進化”的能力。
3.因果與不變性（Causality and Invariance）： 這是最硬核的底層重構——將因果推斷原則引入圖模型，剝離虛假關聯，從而在從未見過的分布（Unseen Distributions）下構建真正魯棒的圖網絡。
這套從大模型表征到因果底層邏輯的組合拳，不僅是對圖機器學習理論的升維，更是直接為金融風控、醫藥發現等復雜結構化場景在 LLM 時代的落地指明了航向。
03
如果說 T9 是在結構化數據上的深耕，那么 T11《Out-of-distribution Generalized Generative AI》（OOD泛化的生成式AI）則是對當下生成式大模型主流賽道的“降維打擊”。
當前業界談論生成式 AI，往往陷入參數規模的內卷。而王鑫團隊在 T11 中，直接將視野拔高到了多模態大語言模型（MLLMs）的理解與基于擴散（Diffusion-based）模型的視覺生成。
在官方介紹中，他們不僅系統拆解了這些多模態巨獸的概率公式、架構設計與交互機制，更直擊產業界最痛的軟肋：如何讓這些模型在 OOD 環境下安全部署？
為此，團隊重點探討了當前 AI 界最前沿的博弈高地——通用化的后訓練策略（Post-training strategies）。通過后訓練階段的對齊與統一框架設計，讓模型在面對分布偏移和全新涌現的應用場景時，依然能保持極高的魯棒性。能夠在 IJCAI 這樣的頂會開辦此類 Tutorial，說明國際學術界已高度認可清華團隊在該交叉領域的開創性與領導力——他們不僅在解題，更在“定義問題”。
04
從 Graph+LLM 到 OOD Generative AI，王鑫與朱文武教授團隊在 IJCAI 2026 上的“雙星閃耀”，絕非偶然。它代表了一種長期主義學術哲學的勝利：不追逐短暫的技術泡沫，而是敏銳捕獲智能進化的底層命題。
當算力與參數的暴力美學遭遇邊際收益遞減時，擁有極高 OOD 泛化能力的模型，才是通往 AGI（通用人工智能）的真正入場券。而在這張入場券上，清華大學與中國學者的名字，正在被刻在最顯眼的位置。
盛會即將啟幕，前沿碰撞在即。為了零距離捕捉這場定義下一代 AI 范式的學術風暴，雷峰網AI科技評論將正式派出特派編輯團隊，遠赴德國不萊梅，在一線為您帶來 IJCAI 2026 的深度現場報道。 我們不僅會持續追蹤、深度還原王鑫教授團隊在 Tutorial 現場的精彩論道，更將全景展現全球頂尖學者在這場盛會上的思想激蕩。
目前，雷峰網(公眾號：雷峰網)“IJCAI 2026 頂會專區”已全面上線。
歡迎點擊（或收藏）：https://ijcai26.leiphone.com/ ，與我們一同跨越時差，見證生成式 AI 下半場的破局之戰！
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
