2025年，我院科研团队的两篇高水平研究论文分别被计算机顶级国际会议SIGIR和NeurIPS录用并已正式发表。此外，多篇论文被ICSE 2026和AAAI 2026录用。这些会议均为中国计算机学会（CCF）推荐的A类会议，汇聚计算机领域的顶尖研究成果。

谢志文老师作为第一作者的研究论文《AdaRPT: An Adaptive Rule Pattern Transfer Model for Fully Inductive Knowledge Graph Reasoning》被信息检索领域顶级会议SIGIR 2025录用并已在线发布。针对知识图谱推理领域在处理未知实体和关系时面临的推理难题，该研究提出了一种自适应规则模式迁移模型AdaRPT，创新性地将逻辑规则和图神经网络相结合，显著增强了模型对实体和关系的理解与泛化能力。在43个数据集的全面实验中，AdaRPT在归纳式和直推式推理任务上表现优异，推动了知识图谱推理技术的发展。

孙昊老师作为通讯作者，周明瑶同学为第一作者的论文《PC-Net: Weakly Supervised Compositional Moment Retrieval via Proposal-Centric Network》被人工智能领域顶级会议NeurIPS 2025录用并已在线发布。面对现有视频时刻检索方法在处理复杂组合式自然语言查询时泛化性能不足的问题，该研究首次提出了弱监督组合式时刻检索（WSCMR）任务，并设计了一种创新的提案中心网络（PC-Net）。PC-Net通过双粒度提案生成和语义对齐机制，成功解决了以往方法泛化性弱的问题，实现了更高效、更准确的视频片段定位，实验性能超过现有方法且参数量减少54%。相关代码已在GitHub开源。

莫然老师为通讯作者，丁威同学为第一作者的研究论文《SSAR: A Novel Software Architecture Recovery Approach Enhancing Accuracy and Scalability》被软件工程领域顶级国际会议ICSE 2026录用。该论文针对当前软件架构恢复方法在准确性和可扩展性上的不足，提出了新的软件架构恢复方法SSAR。研究首次将预训练代码模型应用于架构恢复任务，捕获代码的丰富语义信息，并创新性地融合语义相似性与结构依赖性构建加权图，采用优化的社区检测算法实现高效模块划分。实验表明，该方法在三个主流评价指标上均实现显著提升，尤其在处理千万行代码的大型软件项目时，执行时间仅为传统方法的19%，展现出出色的工业应用潜力。相关工具和数据集已开源供业界与学界使用。

胡珀老师为通讯作者，张慧同学为第一作者的研究论文《LLaVA-MS-PIT: Multi-Modal Schema-Guided Progressive Instruction Tuning for Multi-Modal Event Extraction》被人工智能领域顶级会议AAAI 2026录用。针对多模态事件抽取中现有方法的模态对齐粗粒度和多模态平行数据缺乏问题，论文提出了一种模式知识引导的渐进式指令微调框架，将多模态事件模式知识融入模型，以缓解不同模态在事件层面的表征差异。论文还构建了多模态平行数据集imSitu-MME，缓解了训练数据缺乏和模态错位等问题。在相关数据集上的实验结果验证了模式知识引导的渐进式指令微调框架的可行性和有效性。

涂新辉老师为通讯作者，胡千怡和刘佳雪同学为共同第一作者的研究论文《SAR: A Structure-Aligned Reasoning Framework for Temporal Knowledge Graph Question Answering》被人工智能领域顶级会议AAAI 2026录用。针对时序知识图谱问答中现有方法的查询-知识图谱结构不匹配问题，论文中提出了结构对齐推理框架SAR，通过结构化查询分解和语义匹配等技术，显著提升了推理的准确性。在MultiTQ和CronQuestions数据集上的实验表明，SAR刷新了已有方法的最佳性能，特别是在MultiTQ数据集上创造了78.2% 的Hits@1新纪录，在处理复杂时序问题时展示出良好的泛化能力。

胡胜男老师为第一作者，刘炎东同学为学生第一作者的研究论文《Learning Topology-Aware Dynamic Associations for Robust Multi-Person Pose Estimation》被人工智能领域顶级会议AAAI 2026录用。针对多人姿态估计受限于复杂场景中的频繁遮挡和尺度变化问题，该研究创新性地提出拓扑感知的动态关联框架，有效融合了动态学习和拓扑先验知识，实现人体关键点的精准关联与定位。在多个基准数据集上，该方法取得了当前最优异的性能，尤其在拥挤和严重遮挡场景中表现突出。