8 月 20 日，IJCAI-ECAI 2026 进入第三天。从 1990 年的非单调推理经典，到 2021 年的神经符号前沿，四项论文大奖横跨三十年学术线索；而三项个人成就奖，则把「智能体」从概念推到了聚光灯下。
从 1990 年到 2021 年，四项论文奖恰好构成了一条「符号逻辑 → 数据驱动 → 神经符号融合」的完整路径。每一篇都回答了一个时代最核心的问题。
为非单调推理绘制第一张系统地图。经典逻辑无法推翻结论，但人类推理天然「可废止」——KLM 论文定义了五族推理关系，其中 System P 至今仍是保守内核。
用特征空间插值解决数据不平衡问题，47,000+ 引用，催生 100+ 变体，被集成进主流机器学习平台。
引入完全可微的一阶逻辑「Real Logic」，用同一框架覆盖分类、聚类、嵌入学习等任务——神经符号 AI 从「小众」走向「显学」的代表作。
证明「找到最小充分特征子集」是 NP^PP 完全的——给可解释 AI 划定了计算复杂性的天花板。
时间轴按论文发表年份排列，不代表获奖时间顺序。IJCAI-JAIR 最佳论文奖为今年首次颁发，与 JAIR 时间检验奖形成「历史与当下」的互补。
今年的 AIJ 经典论文奖颁给了一篇 1990 年的论文。它的核心问题在今天依然尖锐：经典逻辑是单调的——新增前提不会推翻已有结论，但人类推理不是。知道「鸟会飞」可推断「Tweety 会飞」，得知 Tweety 是企鹅后结论便被收回。
这就是非单调推理。
获奖者 Daniel Lehmann 与 Sarit Kraus 曾为师徒，如今分别 70+ 岁和 66 岁。Kraus 在演讲中直面一个现实：至今无人真正将 KLM 原则用于 LLM 验证。尽管 LLM 的推理行为本质上是非单调的，理论上可与之契合，但这一空白仍然存在。
单调性：新增前提不会推翻已有结论。无法处理「例外」。
新信息可推翻旧结论。人类日常推理的默认逻辑。
2002 年，Nitesh Chawla 在博士期间接手乳腺 X 光图像分类任务。97% 的准确率因数据高度不平衡而失去意义——这一挫折催生了 SMOTE 算法。如今它在 Google Scholar 上被引超过 47,000 次。
数字为各学者公开信息中的代表性指标。Jennings 为过去 40 年中第三位获此殊荣的英国学者。
吴佳俊（斯坦福助理教授，清华姚班 2014 届）分享了他在视觉与物理智能的探索：真实世界蕴含着对称、重复、层级等符号结构，不应被黑箱隐式吸收，而应显式建模为「内在编码」。他的团队正将物理模拟与基础模型蒸馏整合为一个闭环，已实现单 GPU 实时运行。
Nick Jennings 的演讲《The Past, the Present, and the Future of Agentic AI》指向一个判断：智能体的未来，不取决于单个智能体有多「聪明」，更取决于它们构成的「社会」有多值得信赖。
David C. Parkes 则将目光投向机制设计——如何设计智能体之间的交互规则，使系统在信息不完全、利益不一致时仍能产生合意的集体结果。他的判断同样落在「智能体社会」：未来需要为这个新兴的「AI 社会」设计制度基础设施。
四项论文奖中，IJCAI-JAIR 最佳论文奖给出了一个令人清醒的结论：解释一个二元分类器的决策，在最坏情况下是 NP^PP 完全的。除非 P=NP，否则不存在多项式时间的近似算法。
这意味着什么？
它把许多 XAI 方法默认「可以做到」的事情，变成了一个需要正视的问题：你给出的解释，真的可靠吗？真的足够小吗？这种「不可能」的结论，往往比「我可以」的宣言更能推动学科走向成熟。
链路为编辑基于 IJCAI 2026 奖项脉络的归纳，不代表官方分类。
当行业把「智能体元年」挂在嘴边时，IJCAI 2026 的奖项名单提醒我们：这个热词背后是三十年的理论积累。但获奖名单同样暴露了空白——KLM 原则尚未被用于 LLM 验证，「诚实欺骗」仍待探索，可解释性存在计算天花板。AI 的「去路」不在参数规模，而在这些尚未被填上的理论缝隙里。