我中心3篇论文被权威会议录用

近日，我中心3篇论文被权威会议AAAI 2025和ICSE 2025录用。AAAI会议全称为Annual AAAI Conference on Artificial Intelligence，由国际先进人工智能协会（Association for the Advancement of Artificial Intelligence, AAAI）举办，是人工智能领域最重要的学术会议之一。ICSE会议全称为International Conference on Software Engineering，是软件工程领域的顶级学术会议。

录用论文的相关信息如下：

论文题目：SimRP: Syntactic and Semantic Similarity Retrieval Prompting Enhances Aspect Sentiment Quad Prediction

录用类别：AAAI 2025, Long Paper

作者：简忠权，陈颜皓，李嘉健，王少攀，曾祥健，姚俊峰，安新颖*，吴清强*

完成单位：厦门大学，中国医学科学院医学信息研究所

情感四元预测(ASQP)是情感分析中最复杂的子任务，旨在预测给定句子中包含的所有情感四元组(a,o,c,s)。由于句子语法的复杂性和情感表达的多样性，生成方法逐渐成为ASQP的主流方法。然而，现有的生成模型在演示的有效性方面受到限制。语义相似的演示有助于判断情感类别c和极性s，但可能会使模型在识别与句子语法更相关的方面a和意见o术语时混淆。为此，我们开发了Syn2Vec，一种计算语法向量的方法，以支持检索语法相似的演示。进一步地，我们提出了句法和语义相似检索提示方法(SimRP)，通过检索语法和语义相似的最相关的演示来构建有效的提示。通过这些相关的演示，预训练的生成模型，特别是大型语言模型(LLM)，可以充分释放其识别情感四元组的潜力。在监督微调(SFT)和情境学习(ICL)范式中的大量实验证明了SimRP的有效性。此外，我们发现LLM在ASQP中的能力被有偏差的数据标注和精确匹配度量方式严重低估。为此，我们还提出了一种新的基于成分子树的模糊度量方法，使四元组的识别更加准确和合理。

论文题目：LiteSearch: Efficient Tree Search with Dynamic Exploration Budget for Math Reasoning

录用类别：AAAI 2025, Long Paper

作者：王安特，宋林峰，田野，彭宝林，于典，米海涛，苏劲松，俞栋

完成单位：厦门大学，腾讯AI Lab西雅图实验室

近期研究表明，树搜索算法（例如蒙特卡洛树搜索）可以显著提高大语言模型（LLM）在复杂数学推理任务上的性能。然而，这些算法往往需要比传统贪婪解码多10倍以上的计算资源，这使得它们难以在实际应用中部署。为解决这一问题，本研究提出了一种新颖的启发式树搜索算法，该算法通过动态节点选择和节点级探索预算（子节点的最大数量）计算来实现。通过考虑搜索过程中节点对应路径的推理进度以及来自无需过程监督信息训练的价值网络的引导，该算法迭代地选择树节点并动态计算探索预算以进行扩展，直至算法收敛。在GSM8K和TabMWP数据集上进行的实验表明（如图所示），与基线方法相比，LiteSearch不仅显著降低了计算代价，而且性能也能得到有效保持。

论文题目：UniGenCoder: Merging Seq2Seq and Seq2Tree Paradigms for Unified Code Generation

录用类别：ICSE 2025, NIER Track Paper

作者：邵良颖，闫衍芙，Denys Poshyvanyk，苏劲松

完成单位：厦门大学，威廉玛丽学院

基于深度学习的代码生成彻底改变了当今开发人员编写程序的方式。现有的代码生成方法主要集中在 “序列到序列”（Sequenceto-Sequence）范式和 “序列到树”（Sequence-to-Tree）范式，前者将目标代码生成为一串标记，后者将代码输出为一串动作。虽然这两种范式在直觉上是互补的，但它们之间的结合还没有被探索过。通过比较这两种范式下生成的代码，我们发现将它们整合在一起具有很大的潜力。在本文中，我们提出了用于代码相关生成任务的 UniGenCoder，它由一个共享编码器、一个共享解码器和一个可为统一两种范式而设置最少附加参数的选择器组成。在模型训练过程中，我们首先执行多任务学习和蒸馏策略，以促进两种范式之间的知识迁移，然后利用对比学习来训练选择器选择更好的输出。文本到代码生成任务和代码到代码生成任务上的实验结果证明了我们所提模型的有效性。