AIhub 2026 年 10 月月度摘要：神经符号规划、时间序列预测与家用机器人

AIhub 月度摘要：2026 年 10 月——神经符号规划、时间序列预测与家用机器人

欢迎阅读我们的月度摘要，在这里您可以回顾可能错过的任何 AIhub 故事、浏览最新新闻、回顾近期活动等。本月，我们与 AI 先驱 Michael Littman 交谈，了解用于临床数据的时间序列预测，探讨面向网络安全的演化博弈论，并深入了解神经形态计算。

从教机器到教人：对 Michael Littman 的访谈

在我们与 AI 先驱对话系列的最新访谈中，Michael Littman 回顾了强化学习的演变、科学传播的力量，以及生成式 AI 如何改变我们教学和学习的方式。

用于临床时间序列预测的机器学习

Mayra Elwes 是一名博士生，正在开发用于临床时间序列数据的机器学习方法。她致力于研究以更具情境化的方式评估方法的实用策略，并改进针对时间序列预测的现有领域自适应方法。我们采访了 Mayra，以了解更多信息。

网络安全与演化博弈论

Adeela Bashir 的工作处于网络安全、演化博弈论和 AI 安全的交叉领域。我们听取了 Adeela 关于其博士研究的介绍，她关注的问题是：当对手具有适应性时，我们如何理解和缓解网络威胁？换言之，当攻击者也在不断演化时，AI 能否自我防御？

参加 RoboCup@Home 并荣获 2026 年最佳论文奖

Raphael Memmesheimer 长期参加 RoboCup@Home 联赛，曾五次赢得 RoboCup@Home 比赛。他和同事凭借工作《Efficient Image Annotation via Semi-Supervised Object Segmentation with Label Propagation》在 RoboCup 2026 上荣获最佳论文奖。我们与 Raphael 交谈，以进一步了解这项研究、他与 RoboCup 的渊源，以及 @Home 比赛的挑战。

面向协作式自动驾驶车辆的利用自然语言通信的神经符号规划

在这篇博客文章中，Neel P. Bhatt、Po-han Li、Kushagra Gupta、Ufuk Topcu 和 David Fridovich-Keil 介绍了他们关于面向协作式自动驾驶车辆的利用自然语言通信的神经符号规划的研究。这项工作获得了 AAMAS 2026 最佳论文奖提名。

视觉语言模型与物理世界

在 ICML 2026 上，Dezhi Luo、Yijiang Li、Maijunxian Wang、Tianwei Zhao、Bingyang Wang、Siheng Wang、Pinyuan Feng、Pooyan Rahmanzadehgervi、Ziqiao Ma 和 Hokin Deng 展示了他们的工作《Vision Language Models Cannot Reason About Physical Transformation》。在这次访谈中，William Yijiang Li 向我们进一步介绍了这项研究、团队使用的方法以及他们开展的受控实验。

用神经形态计算重建大脑

关于构建更好的计算机，我们能从大脑中学到什么？Oliver Rhodes 讨论了神经形态计算如何借鉴大脑的架构，开发更高效信息处理的新方法。

信用公平：在不吃亏的情况下出借资源

在发表于 IJCAI-ECAI 2026 的论文中，Seyed Majid Zahedi 和 Rupert Freeman 研究了智能体之间共享资源的重复分配问题。他们引入了信用公平，这一特性强化了共享激励。阅读他们的博客文章以了解更多。

AAAI/SIGAI 博士联盟访谈合集

每年，一小群博士生会被选中参加 AAAI/SIGAI 博士联盟。该计划为学生提供了一个机会，让他们与一组资深研究人员一起在跨学科研讨会上讨论和探索自己的研究兴趣和职业目标。2026 年期间，我们与其中 15 名学生进行了会面，以进一步了解他们的研究。我们在此汇总了所有这些访谈。

瑞典的 AI、伦理与社会

第九届 AAAI / ACM 人工智能、伦理与社会会议（AIES）于 2026 年 10 月 12 日至 14 日在瑞典马尔默举行。会议日程包括主题演讲、小组讨论、讨论环节、论文报告和海报展示。我们浏览了社交媒体，以了解参会者的活动。请关注一些报告人的博客文章，他们将撰写关于自己带到会议上的工作的内容。

2027 年 ACM SIGAI 自主智能体研究奖开放提名

现征集 2027 年 ACM SIGAI 自主智能体研究奖的提名。该奖项旨在表彰自主智能体领域的卓越研究。它旨在认可其当前工作对该领域具有重要影响的研究人员。在此了解如何提名。

AAAI 会士访谈系列

Lucy Smith

是 AIhub 的高级执行编辑。

Lucy Smith

是 AIhub 的高级执行编辑。

从教机器到教人：对 Michael Littman 的访谈

Ella Scallan

2026年10月29日

AI先驱Michael Littman回顾强化学习的演变、科学传播的力量，以及生成式AI如何改变我们的教学与学习方式。

从实验室到生活：为何将AI进展转化为现实世界应用是一大挑战

The Conversation

2026年10月28日

在受控实验室环境中表现良好的系统，在部署到家庭、医院或城市街道时往往力不从心。

研究人员把AI“灌醉”，以揭示聊天机器人中新的网络安全风险

新南威尔士大学

2026年10月27日

使用醉酒文本对大语言模型进行微调，会使它们更可能泄露机密并回答有害问题。

AI在消灭就业的同时也在创造就业——但这些工作有多大价值？

The Conversation

2026年10月26日

就业增加的领域之一，是人们为LLM“收拾残局”或对其进行质量控制。

AI如何改变人类决策

林雪平大学

2026年10月23日

AI能够识别人们遗漏的模式，并将新信息引入决策过程。然而，这并不会自动带来更好的决策。

参加RoboCup@Home并荣获2026年最佳论文奖：对Raphael Memmesheimer的访谈

Lucy Smith

2026年10月22日

进一步了解Raphael的研究及其参与RoboCup@Home联赛的经历。

AI正在扭曲考古学并抹平原住民知识

Pursuit，墨尔本大学

2026年10月21日

虽然AI可以帮助考古学家，但它也可能传播伪科学主张和虚假历史，剥离原住民知识的背景、同意和社区控制。

2027年ACM SIGAI自主智能体奖开放提名

ACM SIGAI

2026年10月20日

现征集2027年ACM SIGAI自主智能体研究奖的提名。

人工智能理解协会