Ang Ant Group ay nagpapalabas ng apat na papel sa IJCAI 2026, sistematisadong sinusuri ang kakayahan ng AI sa pag-adapt sa dinamikong mga kalagayan.

May-akda ng artikulo, pinagkukunan: Leifengwang

Kahit gaano pa katalino ang algorithm, kailangan pa rin itong subukin sa dinamikong kapaligiran.

Ijcai-Ecai 2026 ay magkakaroon sa Bremen, Germany mula Agosto 15 hanggang 21, 2026. Habang nagaganap ang konperensya, ang AI Technology Review ay sistematikong sinusuri ang mga papel na kinabibilangan ng pinakamataas na konperensya upang matukoy ang mga teknikal na trend at direksyon ng industriya.

Sa华为 IJCAI 2026 论文盘点：从「规模密度」转向「设计密度」, nakikita natin ang pagiging mapagmoderasyon ng mga malalaking kumpanya sa kompetisyon ng mga parameter at ang paghahanap ng efficiency sa computing power.

Ang apat na papel na napili ng Ant Group ay nagtuturo sa isang magkakasalungat na teknikal na landas na may parehong kahalagahan: ang sistematisadong pag-aaral ng kakayahang umadapt sa dinamikong kapaligiran.

Ang precision ng algorithmic model ay patuloy na nagtatapos ng mga rekord sa laboratorio, ngunit agad itong bumababa sa performance kapag inilalapat sa totoong mundo. Ang dahilan ay simpleng: ang totoong mundo ay hindi kailanman nakatigil.

Ang mga escenario ng negosyo ng Ant Group ay ipinaglalaban ang “hindi static” sa pinakamataas na antas: higit sa 1 bilyon na user, 8,000+ mga serbisyo, ang peak sa pagbabayad at ang low point sa gabi ay maaaring magkakaiba ng ilang orden ng magnitude; ang mga modelo ng risk control ay kailangang tumugon sa oras na oras sa pag-update ng mga istratehiya ng black market, at ang global deployment ay kailangang mag-adjust sa iba’t ibang pondo sa bawat bansa.

Sa ganitong kalagayan, ang mga static model na “train once, deploy forever” ay makakaranas ng pagkakamali na katulad ng “maghahanap ng espada sa barko.”

Dahil dito, ang totoong intelihensya ay nasa kakayahan ng algorithm na makaramdam ng pagbabago sa kaligiran, aktibong i-adjust ang sariling estratehiya, at maghanap ng pinakamabuting solusyon sa dinamiko. Ang apat na papel ng Ant Group ay nagbigay ng parehong sagot sa pangunahing tanong na ito: Paano mapapalitan ang AI mula sa “static solver” patungo sa “dynamic adaptive agent”?

01 MSRGC-Net: Pagpapasya ng pagkakasunod-sunod ng pagkakasunod-sunod ng data density distribution

Time series clustering ay ang proseso ng awtomatikong pagpapangkat sa malalaking hanay ng behavior sequences, isang pangunahing kasangkapan para maunawaan ang mga pattern ng pag-uugali at suriin ang mga signal ng anomaliya.

Ngunit ang mga umiiral na paraan ay may sariling kahirapan:

• Mga paraan ng pagkakapareho (tulad ng k-Shape): Maaaring makakuha ng lokal na mga pattern, ngunit kailangang kalkulahin ang distansya sa pagitan ng lahat ng mga sample, at mabagal ito kapag marami ang data;
• Mga paraan ng deep learning (tulad ng autoencoders): Malakas ang kakayahan sa pagpapakita, ngunit mahal ang pag-train, masalimuot ang pag-tune ng mga parameter, at malaki ang paggamit ng computing power;
• Traditional feature extraction: Nakasalalay sa manual na pagdisenyo ng mga tampok, maaaring mawala ang mga mahalagang impormasyon sa panahon.

Mas malaking problema: ang distribusyon ng densidad ng orihinal na data sa totoong buhay ay napakagamit—ang data ng transaksyon sa Double Eleven ay malakas tulad ng ulan, samantalang ang data sa gabi ay kakaunti tulad ng mga tulo, ngunit ang mga tradisyonal na paraan ay nangangailangan na ipaalam mo sa ito kung ilang kategorya ang gagawin, na mismo ay nagsisilbing pagkakaiba sa katotohanan.

Ang MSRGC-Net na inihain ng Ant Group at Chongqing University of Posts and Telecommunications ay gumamit ng isang "training-free" na kombinasyon upang iwasan ang dilemma sa pagitan ng precision at computational efficiency.

Link ng papel: https://arxiv.org/pdf/2606.12077v1

▎Ang kanyang pangunahang lohika ay maaaring i-break down sa tatlong hakbang:

Unang hakbang, marami-sukat na reserve pool encoding (pagkuha ng katangian). Gamitin ang maraming hindi kailangang matutunan na echo state networks (ESN) bilang mga pangunahing yunit ng pagkalkula ng reserve pool, at sa pamamagitan lamang ng pag-adjust ng spectral radius, maipapakita ang lokal na pagbabago at mahabang-tagal na trend mula sa orihinal na panahon, at pagkatapos ay i-aggregate ang lahat ng sample upang mabuo ang matrix ng katangian ng pananaw, na gagamitin bilang input sa susunod na mga yugto.

Pangalawang hakbang, pagbuo ng anchor graph ng “Granular Ball” (structural modeling), na ang pinakamatalinong bahagi. Hindi na hinahawakan ng algorithm ang bawat окремий datapoint, kundi awtomatikong hinahati ito sa “Granular Ball” batay sa lokal na density: ang mga rehiyon na may mataas na density ay bumubuo ng maliit at maraming granules, habang ang mga rehiyon na may mababang density ay bumubuo ng malaki at kaunti. Ang sukat ng data ay binabawasan mula sa N patungo sa M (bilang ng granules, M < N), samantalang tinatanggal din ang ingay.

Hakbang 3: Maramihang iskala na graph optimization batay sa konsenso. Ang mga anchor graph sa iba’t ibang iskala ay pinagsasama sa pamamagitan ng patakaran ng konsenso, upang makakuha ang modelo ng mga mikro lokal na pattern at makapag-angkop ng makro global na trend, at sa huli ay makagawa ng matatag na mga resulta sa clustering na hindi nangangailangan ng tao na tukuyin ang bilang ng cluster.

Ano ang epekto ng这套打法?

Sa 5 na maraming baryable na dataset, 15 mga pagsusuri (5 bawat NMI, ARI, RI), nakakuha ang MSRGC-Net ng 12 pinakamabuting resulta at 2 pangalawang pinakamabuti—80% na rate ng pinakamabuting resulta.

Mas mahalaga pa, itinatanggal nito ang pares na pagkalkula na O(n²) at nagtatag ng malapit sa linyar na kumplikasyon. Sa simpleng salita: mabilis at tama, at hindi ka kailangang mag-antay kung ilang kategorya ang hihingin.

Sa tunay na mga escenario ng negosyo ng Ant, ibig sabihin nito na ang sistema ay makakapag-adjust ng antas ng clustering batay sa density ng trapiko—mas detalyado ang paghahati sa panahon ng peak para makahanap ng anomaliya, at mas malawak ang paglalahat sa panahon ng low point upang i-save ang computing power, laging kasama ang data.

02 Gawing adaptive ang estratehiya ng paghahalo ng data para sa offline-to-online reinforcement learning

May kilalang problema sa reinforcement learning na “discomfort sa bagong kapaligiran”—“distribution shift”: ang isang modelong natutunan sa offline data ay madaling “mabubulok” kapag ipinapasa ito sa online. Ito ay dahil sa pagkakaiba sa distribusyon sa pagitan ng offline at online interaction data, na nagdudulot ng mabilis na “pagkalimot” sa mga natutunan sa offline sa panahon ng unang online phase.

Ang mga umiiral na solusyon ay may dalawang uri lamang: o magtatakda ng fixed na proporsyon ng 50% offline + 50% online, o gamitin ang heuristikong patakaran upang prioritizahin ang pagkuha ng mga sample na “near-policy”.

Ngunit ang problema ay ang iba’t ibang pangangailangan ng estratehiya sa bawat yugto—sa panahon ng pagkakaroon, kailangan ng mas maraming offline na data upang mapanatili ang pangunahing base, habang sa huling yugto, kailangan ng mas maraming online na data upang masuri ang mga bagong posibilidad. Ang isang fixed strategy ay parang maghahanap ng espada sa isang tanda sa barko.

Ang Ant Group at ang Shanghai Jiao Tong University ay nagmungkahi ng ROAD, na nagpapalit sa proporsyon ng data mula sa isang “naka-ayos na parameter” patungo sa isang “dinamikong desisyong variable”.

Link ng papel: https://arxiv.org/pdf/2605.14497

Ang pangunahang ideya nito ay interesante: ang pagpili ng data ay isang pangalawang-antas na optimization problem.

• Inner-Level: Standard Q-learning update, na nagpapaliit sa Bellman error;
• Outer-Level: Iwasan ang data mixing strategy bilang isang meta-decision variable upang maksimisahin ang inaasahang return ng online strategy.

Inilalapat ang algoritmo ng Multi-Armed Bandit (MAB) sa dalawang antas upang malapit na malutas, na nagpapahintulot sa hybrid strategy na i-adjust sa real-time habang tinuturuan: agad na tataasan ang sampling ratio ng offline data kapag napapansin na ang modelo ay nagsisimulang “mawalan” ng kaalaman mula sa offline phase; at agad na dagdagan ang porsyento ng online data kapag naging sobrang konservatibo at kulang sa pagpapalawak ang modelo, upang hikayatin itong subukan ang iba’t ibang pagpipilian.

Sobra nang maayos ang mga eksperimento. Sinubukan ng team ang algoritmo sa tatlong klasikong benchmark mula sa offline hanggang online reinforcement learning: AntMaze (robot na naghahanap ng target sa isang maze), MuJoCo (kontrol ng paggalaw ng biomimetikong robot), at FrankaKitchen (robotic arm na nagtatapos ng mga kumplikadong gawain sa kusina). Ang mga gawain na ito ay may iba’t ibang antas ng hirap at iba’t ibang estado ng espasyo, kaya makakapagbigay sila ng komprehensibong pagsubok sa kakayahan ng algoritmo sa pagpapalawak.

Upang patunayan ang pangkalahatang pagkakatugma ng algoritmo ng ROAD, ang panlitang ekipa ay “nagpagsasama” ng ROAD sa iba’t ibang pangunahing offline algorithm tulad ng IQL, PEX, CQL, at Cal-QL. Ang mga resulta ay nagpakita: anumang algoritmo ang gamitin sa ilalim, ang ROAD ay patuloy na nagdudulot ng pagpapabuti sa performance.

Sa halimbawa ng PEX+ROAD, ang paraan na ito ay nakamit ang pangkalahatang average na marka na 71.12 sa 24 na tuloy-tuloy na kontrol na task sa D4RL benchmark, at nasa unang lugar sa 18 sa 24 na task, na mas mataas kaysa sa lahat ng baseline tulad ng fixed ratio, decreasing ratio, at heuristic balanced replay.

Ibig sabihin, ang ROAD ay nakakatuklas ng optimal na balanse sa pagitan ng “konservatibong pagmamana” at “agresibong pagpapalawak”—hindi ito magkakaroon ng pagkabigo sa paglunsad, at hindi rin ito mawawala sa mga pagkakataon na magbigay ng pagpapabuti mula sa real-time na data. Ang paraan na ito ay may malinaw na halaga sa mga sitwasyon tulad ng paglunsad ng risk control model ng Ant Group at ang real-time na pag-optimize ng recommendation system.

03 DSEBO: Pagpapasya ng adaptive search space sa high-dimensional Bayesian optimization

Ang Bayesian optimization ay isang klasikong paraan sa pag-optimize ng black-box function, ngunit nagsisimula itong magkaroon ng problema kapag nakakatok sa mataas na dimensyon. Isang karaniwang solusyon ay ang random embedding—ang pag-proyekta ng optimization sa isang mababang dimensyon na subspaces, ngunit dumating ang bagong problema: ilan ba talaga ang epektibong dimensyon?

Ang tradisyonal na paraan ay nagtataglay o nag-aasa sa eksperto na karanasan upang magbigay ng fixed na dimensyon ng subspaces, o gumagamit ng pagsubok at pagkakamali upang muling i-estimate, na hindi lamang naglalabas ng malaking yaman kundi ang fixed na dimensyon ng subspaces ay mahirap i-adapter sa iba’t ibang gawain. Mas komplikado pa, ang epektibong dimensyon mismo ay maaaring magbago habang nagpapabuti: sapat ang mababang dimensyon sa panahon ng pagpapalawak sa simula, ngunit maaaring kailanganin ang mas mataas na dimensyon para sa detalye sa huling pagpapabuti.

Ang DSEBO, na inihain ng Ant Group kasama ang East China Normal University at Nanjing University, ginagawa ang dimensyon ng subspaces bilang "dinamikong baryable" sa proseso ng pag-optimize, na nakakapagpalit nang sarili nito batay sa pag-unlad ng paghahanap.

Link ng papel: https://arxiv.org/pdf/2605.23473

Ang pangunahang mekanismo ng DSEBO ay "mula sa mababa patungo sa mataas, umuunlad sa bawat antas":

• Mula sa maliit na dimensional na subspaces, gumagawa ang optimizer ng mga kandidatong solusyon sa maliit na espasyo, na pinapalitan sa orihinal na espasyo sa pamamagitan ng random embedding, at mabilis na natutukoy ang pangkalahatang hugis ng target function, pagkatapos ay ang feedback ng resulta ay nagpapalawak ng iteratibong pag-update ng Gaussian process;
• Nakikita ang awtomatikong pag-trigger ng pagpapalawak ng dimensyon pagkatapos ng pagkakasunod-sunod, kung saan ang mga mababang dimensyon na solusyon ay “inuunawa” sa mataas na dimensyon sa pamamagitan ng pagbabahagi ng matrix ng embedding;
• Ipinapagsimula at pinapagbuti ang mga bagong subspaces, na sinisiguro ng shared embedding matrix na ang bawat subspaces ay isang isa sa isa, na bumubuo ng siklo na “mababang dimensyonal na pagpapalawak → pag-trigger ng convergence → pagpapalawak ng dimensyon → patuloy na pagpapabuti”, hanggang makamit ang limitasyon ng evaluation budget.

Sa paglalawak ng dimensyon, ang sukat ng paglalawak ay hindi nakakatigil—ang algoritmo ay awtomatikong nag-aadjust batay sa kurba ng pagbabago ng pinakamahusay na halaga: kung ang kurba ay patag, mas mabagal ang paglalawak upang maiwasan ang hindi kinakailangang gastos; kung ang kurba ay malalim, mas mabilis ang paglalawak upang mabilis na makakuha ng benepisyo sa mataas na dimensyon.

Ang mga resulta ng eksperimento ay: Sa mga sintetikong punksiyon (Levy, Griewank, Sphere, D=1000) at tatlong totoong gawain (MSLR, Lasso-Hard, LIMO), ang DSEBO ay direktang kinumpara sa labing-isang pangunahing paraan tulad ng REMBO, SIRBO, BAxUS, at TuRBO, at nanalo sa pinakamahusay na solusyon sa halos lahat ng gawain—nangunguna sa kahusayan at bilis ng konverhensya.

Ang pamamaraan na “magsimula sa mababang dimensyon, i-optimize sa mataas na dimensyon” ay lubos na kapaki-pakinabang sa pang-araw-araw na pag-unlad ng Ant Group—ang pag-optimize ng hyperparameter sa credit model, ang paghahanap ng optimal threshold sa risk control strategy, at ang pagdisenyo ng multi-variable experiment sa marketing campaign, ay hindi na kailangang mag-estimate ng dimensyon sa pamamagitan ng intuition ng eksperto; ang algorithm mismo ay “nagmamarka habang naglalakad,” na nagpapakita ng automated at mataas na efisiyensiya.

04 VGA-BenchV2: Pagpapasya ng benchmark na pagtataya ng video sa pag-unlad ng AIGC ecosystem

Kung ang mga unang tatlong papel ay tumatalakay sa adaptibong aspeto sa antas ng algoritmo, ang VGA-BenchV2 ay ipinapakita kung paano ang infrastraktura ng pag-e-evaluate ay “nag-a-adapt” sa pag-unlad ng ekosistema ng AIGC. Ito rin ang tanging trabaho sa apat na papel na nakatuon sa pag-unawa sa maramihang nilalaman, na nagpapakita ng mga estratehikong imbakan ng Ant Group sa mga non-financial na larangan tulad ng digital life at content ecosystem.

Ang AIGC ay nagdulot ng malaking paglago sa paggawa ng video, ngunit isang pangunahing problema ang naka-antala: paano natin sisitematikong masusukat ang kalidad ng mga nabuong video?

Ang mga tradisyonal na pagsusuri tulad ng FVD (pagsusuri sa pangkabuuang kalidad at pagkakasunod-sunod sa panahon), CLIP Score (pagsusuri sa pagkakasundo ng semantiko sa pagitan ng nabuong imahe at deskripsyon ng teksto), ay nakatuon lamang sa kung gaano klinis ang imahe, kung gaano kalinaw ang galaw, at kung tama ba ang teksto. Tungkol sa kung gaano kahusay ang komposisyon, kung gaano karami ang pagpapansin sa liwanag at anino, at kung harmonioso ba ang mga kulay—ang mga katangiang ito na may kaugnayan sa “kagandahan” ay halos walang kakayahan na masukat.

Noong CVPR 2026, inilahat ng Ant Group kasama ang Beijing Film Academy at ang General Artificial Intelligence Institute (BIGAI) ang VGA-Bench, na unang nagtatag ng tatlong dimensyon na framework para sa pagtataya ng estetika sa video (aesthetic quality, aesthetic labels, generation quality), at gumamit ng 1,016 na prompt, 12 na generation models, at higit sa 60,000 na video upang bumuo ng benchmark, na nagbigay-daan sa AI na unang pagkakataon na matutunan ang “pagpapahalaga” sa video mula sa propesyonal na pananaw.

Link ng papel: https://arxiv.org/pdf/2604.10127

Ngunit masyadong mabilis ang pag-unlad ng mga modelong paggawa ng video, kung saan ang ritmo ng pag-update na buwan-buwan ay nagiging “hindi sapat” ang mga fixed benchmark. Sa papel na ito sa IJCAI 2026, ang team ay naglunsad ng karagdagang VGA-BenchV2.

Open source address:

https://huggingface.co/datasets/BestVictoryLab/VGA-Bench

▎May tatlong pangunahing pag-unlad:

Una, tumataas ang dami ng manual labeling. Ang VGA-BenchV2 ay nagdagdag ng 36,000 manual task-level labels, kabilang ang 16,200 na label para sa aesthetic quality, 13,200 na label para sa aesthetic tags, at 6,600 na label para sa generation quality, na nagdulot ng paglalawak na 13.46 beses, 11.15 beses, at 1.55 beses kumpara sa VGA-Bench. Ang mas sapat na “human preference” data ay nagpapalapit ng mas tumpak ang evaluator sa paghuhusga ng tao sa estetika.

Pangalawa, ang pag-upgrade sa arkitektura ng evaluator. Ang koponan ay nagdisenyo ng hybrid arkitektura: ang VAQA-Net ay responsable sa tuloy-tuloy na pag-score ng estetika, habang ang VTag-Net at VGQA-Net ay gumagamit ng Qwen na malaking modelo sa visual-language para sa pagkilala sa mga label at pag-e-evaluate ng kalidad. Ang pagpapakilala ng malaking modelo ay nagbigay-daan sa evaluator na mas maunawaan ang mga kumplikadong visual na semantika. Ang mga resulta ng eksperimento ay nagpapakita na ang mga pag-e-evaluate nito sa iba’t ibang generation models ay mataas na sumasabay sa paghuhusga ng tao.

Ikatlo, ang pagbuo ng isang saradong loop mula sa “pagsusuri” patungo sa “papaganda”. Ito ang pinakamalaking pagbabago ng VGA-BenchV2: ginagamit nito ang natutunang aesthetik evaluator bilang reward signal, direktang ginagamit sa fine-tuning ng generative model gamit ang reinforcement learning. Ibig sabihin, ang benchmark para sa pagsusuri ay hindi na lamang “hukom”—diretso ang mga score nito na binabago sa optimization signal upang gabayan ang generative model sa patuloy na pagpapabuti ng aesthetic quality.

Mula sa VGA-Bench hanggang sa VGA-BenchV2, ang sistema ng pagtataya ay hindi na isang static na sukat, kundi isang buhay na sistema na “co-evolves” kasama ang generation ecosystem. Para sa mga aplikasyon ng Ant Group tulad ng pag-unawa sa nilalaman, pagsusuri ng kaligtasan, at pag-optimize ng rekomendasyon, ang kakayahang magtataya ng video quality ay hindi lamang nakakasunod sa pag-unlad ng AIGC ecosystem, kundi maaari ring mag-drive sa pag-optimize ng mga modelong nasa itaas: mula sa “pagbibigay ng puntos” patungo sa “pag-optimize”, nabuo na ang closed loop.

Pangwakas: Kahit gaano pa katalino ang algoritmo, kailangan pa rin itong subukan sa isang dinamikong kapaligiran

Ang apat na papel ay sumasalungat sa apat na direksyon—walang supervisyon na pagkatuto, reinforcement learning, black-box optimization, at multimodal evaluation—at nagtatapos sa iisang teknikal na landas: ang pagbabago mula sa static patungo sa dynamic.

Ang mga eksperimental na datos ay nagpapatotoo sa epektibong landas: ang MSRGC-Net ay nakakuha ng 12 na unang lugar at 2 na pangalawang lugar sa 15 mga indikador; ang ROAD ay lumampas sa mga umiiral na estratehiya sa iba’t ibang offline hanggang online reinforcement learning tasks; ang DSEBO ay nagkaroon ng masukat na pagpapabuti sa mga problema ng optimization na may libo-libong dimensyon; at ang VGA-BenchV2 ay nagpakita ng mataas na pagkakasundo sa mga resulta ng pagsusuri sa iba’t ibang generative models at sa mga husay ng tao.

Sa pagtingin sa buong istruktura ng Ant Group sa pamamagitan ng teknikal na landas na ito, makikita ang malinaw na “dual-driving” na istruktura: isa sa mga pangunahing financial scenario ay nagpapalalim sa time-series modeling, reinforcement learning, at optimization algorithms; samantalang ang isa pa ay nagpapalaganap nang maagang sa digital life at content ecosystem sa pamamagitan ng multi-modal understanding at evaluation infrastructure.

Sa huli, anumang matalinong algoritmo ay kailangang subukan sa isang dinamikong kapaligiran. Ang tunay na halaga ng apat na papel na ito ay maaaring nasa katotohanan na lahat ng ito ay nabuo sa tunay na mga negosyo: ang mga escenario ng Ant Group ay hindi lamang “background” ng mga papel, kundi ang pinagmulan ng mga problema, ang pinagkukunan ng data, at ang lugar kung saan sinusuri ang epekto.

At maaaring ito ang pinakatangi sa pag-aaral ng AI sa industriya—hindi lamang sila “nagpapagawa ng papel,” kundi naghahanap din sila ng mga solusyon na “makakatagal sa mga dinamikong pagbabago” para sa mga tunay na problema.