計(jì)算機(jī)學(xué)院（人工智能學(xué)院）碩士研究生戴仁可論文被國際人工智能頂級會(huì)議AAAI 2026（CCF A會(huì)）錄用
作者：張佳蕙 編輯：張佳蕙 上傳：祝夢歡 審核：潘宏飛、田微 發(fā)布時(shí)間：2025-11-12 瀏覽次數(shù)：
近日，國際人工智能頂級會(huì)議AAAI Conference on Artificial Intelligence (簡稱:AAAI 2026)錄用結(jié)果公布。本屆會(huì)議共收到有效投稿23680篇，錄用論文4167篇，錄用率僅為17.6%。
中南民族大學(xué)康怡琳老師團(tuán)隊(duì)與新加坡管理大學(xué)合作，在大語言模型長期記憶增強(qiáng)方向取得重要進(jìn)展，其研究成果“MemoryART: Enhancing LLMs via Multi-Memory Models with Adaptive Resonance Theory for Healthcare Agents”成功被會(huì)議接收。該論文第一作者為中南民族大學(xué)計(jì)算機(jī)學(xué)院（人工智能學(xué)院）碩士研究生戴仁可，通訊作者為其導(dǎo)師康怡琳，中南民族大學(xué)為第一通訊單位。這也是我校首次以第一作者、第一單位身份在AAAI這一頂級國際學(xué)術(shù)會(huì)議上發(fā)表論文。
在醫(yī)療大語言模型多輪對話中，長期記憶缺失導(dǎo)致患者歷史信息丟失與診斷準(zhǔn)確性下降。現(xiàn)有方法受限于固定上下文窗口或檢索機(jī)制，難以實(shí)現(xiàn)有效的動(dòng)態(tài)記憶更新。為此，本研究提出MemoryART框架，借鑒自適應(yīng)共振理論構(gòu)建工作記憶、情景記憶與語義記憶三層系統(tǒng)，通過融合型自適應(yīng)共振網(wǎng)絡(luò)實(shí)現(xiàn)穩(wěn)定且高效的事件記憶編碼與合并，有效避免“原型坍塌”問題。基于構(gòu)建的長程醫(yī)療對話數(shù)據(jù)集MediLongChat與多項(xiàng)推理任務(wù)實(shí)驗(yàn)表明，MemoryART在多個(gè)主流大模型上顯著提升長期記憶與推理能力，在跨對話推理任務(wù)中F1分?jǐn)?shù)提升達(dá)+14.88，并在降低約60% token消耗的同時(shí)保持最優(yōu)性能，在公共數(shù)據(jù)集上也達(dá)到SOTA水平。
MemoryART整體框架示意圖 康怡琳供圖
AAAI會(huì)議是人工智能領(lǐng)域歷史最悠久、涵蓋內(nèi)容最廣泛、最具影響力的學(xué)術(shù)會(huì)議之一，是中國計(jì)算機(jī)學(xué)會(huì)（CCF）推薦的A類國際學(xué)術(shù)會(huì)議。據(jù)悉，AAAI 2026將在2026年1月20日-1月27日在新加坡舉辦。
