Ant Group представила четыре статьи на IJCAI 2026, систематически исследуя адаптивные способности ИИ в динамических средах.

Автор статьи, источник: LeFeng.com

Любой алгоритм, как бы ни был он умным, в конечном итоге должен быть проверен в динамической среде.

IJCAI-ECAI 2026 пройдет с 15 по 21 августа 2026 года в Бремене, Германия. В рамках проведения конференции AI Science & Technology Review проводит систематический анализ статей, принятых на эту ведущую конференцию, чтобы выявить технологические тренды и отраслевые направления.

Вобзоре статей Huawei на IJCAI 2026: от «плотности масштаба» к «плотности проектирования»мы наблюдаем сдержанность крупных компаний в гонке параметров и стремление к эффективности вычислительных ресурсов.

Четыре статьи, выбранные Alibaba Group, указывают на столь же важный, но принципиально иной технологический направление: систематическое исследование способности к адаптации в динамичной среде.

Точность алгоритмических моделей постоянно побеждает рекорды в лабораторных условиях, но при развертывании в реальном мире снижение производительности становится нормой. Причина проста: реальный мир никогда не бывает статичным.

Бизнес-сценарии Ant Group довели эту «нестационарность» до крайности: более 1 миллиарда пользователей, более 8000 видов услуг, пиковые нагрузки на платежи могут отличаться от ночных минимумов на несколько порядков, модели риск-менеджмента должны реагировать на итерации стратегий мошенников в режиме часов, а глобальная развертка должна адаптироваться к совершенно различным финансовым инфраструктурам в разных странах.

В таких условиях статические модели, предназначенные для «однократного обучения, постоянного развертывания», неизбежно попадут в ловушку «метить корабль, где упал меч».

Именно поэтому настоящий интеллект заключается в способности алгоритмов воспринимать изменения среды, активно корректировать свои стратегии и находить оптимальные решения в динамике. Эти четыре статьи Ant Group едины в ответе на эту ключевую проблему: как превратить ИИ из «статического решателя» в «динамического адаптивного агента»?

01 MSRGC-Net: делает кластеризацию временных рядов «адаптивной» к распределению плотности данных

Временная кластеризация — это автоматическая классификация огромного количества последовательностей поведения, являющаяся базовым инструментом для понимания паттернов поведения и мониторинга аномальных сигналов.

Но существующие методы各有 свои неудобства:

• Методы сходства (например, k-Shape): могут захватывать локальные паттерны, но требуют вычисления расстояний между всеми парами образцов — при увеличении объема данных это становится слишком медленным;
• Методы глубокого обучения (например, автокодировщики): высокая выразительная способность, но дорогое обучение, сложная настройка параметров и большие требования к вычислительным ресурсам;
• Традиционное извлечение признаков: зависит от ручного проектирования признаков, ключевая временная динамическая информация может быть утеряна.

Большая проблема заключается в том, что плотность распределения временных данных в реальном мире крайне неравномерна: данные транзакций на День холостяка плотны, как ливень, а данные ночью — редки, как капли, но традиционные методы требуют, чтобы вы заранее указали, на сколько категорий их разделить, что само по себе противоречит реальности.

MSRGC-Net, предложенный Alibaba Group в сотрудничестве с Чунцинским университетом электронной связи и информационных технологий, с помощью набора «безобучаемых» методов обходит дилемму между точностью и вычислительной эффективностью.

Адрес статьи: https://arxiv.org/pdf/2606.12077v1

▎Его основная логика может быть разбита на три шага:

Первый шаг: многомасштабное резервуарное кодирование (извлечение признаков). Используются несколько нев обучаемых эхо-состоятельных сетей (ESN) в качестве базовых единиц вычисления резервуара; за счет настройки спектрального радиуса из исходных временных рядов одновременно извлекаются локальные колебания и долгосрочные тренды. После агрегации всех выборок формируется матрица признаков представления, которая используется в качестве входных данных для последующих этапов.

Второй шаг — построение карты привязки «зернистых шаров» (структурное моделирование), что является наиболее изящной частью. Алгоритм больше не фокусируется на отдельных точках данных, а автоматически разделяет «зернистые шары» (Granular Ball) на основе локальной плотности данных: области с высокой плотностью формируют мелкие и многочисленные зерна, а области с низкой плотностью — крупные и редкие зерна. Объем данных сокращается с N до M (число зерен, M < N), при этом шум также подавляется.

Шаг 3: Консенсусная многоуровневая оптимизация графа. Якорные графы между масштабами объединяются с помощью стратегии консенсуса, что позволяет модели захватывать как микроскопические локальные паттерны, так и макроскопические глобальные тенденции, в результате чего формируются устойчивые кластерные результаты без необходимости ручного задания числа кластеров.

Как эффективна эта стратегия?

На 5 многопараметрических наборах данных и 15 показателях оценки (NMI, ARI, RI по 5 каждый) MSRGC-Net занял 12 первых мест и 2 вторых — показатель лучших результатов 80%.

Более важно, что он избегает парных вычислений O(n²) и достигает почти линейной сложности. Проще говоря: быстро и точно, и вам не нужно угадывать, на сколько категорий делить.

В реальных бизнес-сценариях Ant это означает, что система автоматически регулирует уровень кластеризации в зависимости от плотности трафика — в пиковые часы детально группирует данные для выявления аномалий, а в периоды спада использует более грубую кластеризацию для экономии вычислительных ресурсов, всегда следуя за данными.

02 Сделать адаптивную стратегию смешивания данных для оффлайн-онлайн усиленного обучения

У усиленного обучения есть известная проблема «неприспособленности» — «смещение распределения»: модель, обученная на оффлайн-данных, сразу после запуска склонна «забывать». Это происходит из-за различий в распределении между оффлайн-данными и данными онлайн-взаимодействия, что приводит к быстрому «забыванию» знаний, полученных в оффлайне, на начальных этапах онлайн-работы.

Существующие решения сводятся к двум вариантам: либо фиксировать смешанное соотношение 50% оффлайн + 50% онлайн, либо использовать эвристические правила для приоритизации выборки «близких к стратегии» образцов.

Но проблема в том, что потребности стратегии на разных этапах совершенно разные — на ранних стадиях требуется больше оффлайн-данных для стабилизации основы, на поздних — больше онлайн-данных для поиска новых возможностей. Фиксированная стратегия — это то же самое, что резать корабль.

Ant Group в сотрудничестве с Шанхайским джияотонгским университетом предложила ROAD, превратив соотношение смешивания данных из «предустановленного параметра» в «динамическую переменную решения».

Адрес статьи: https://arxiv.org/pdf/2605.14497

Его основная идея очень интересна: выбор данных по сути является двухуровневой задачей оптимизации.

• Внутренний уровень (Inner-Level): стандартное обновление Q-обучения, направленное на минимизацию ошибки Беллмана;
• Внешний уровень (Outer-Level): рассматривать стратегию смешивания данных как метапеременную решения с целью максимизации ожидаемой доходности онлайн-стратегии.

Два уровня решаются приближенно с помощью алгоритма Multi-Armed Bandit (MAB), чтобы гибридная стратегия могла корректироваться в реальном времени в процессе обучения: как только обнаруживается, что модель начинает «забывать» знания, полученные на оффлайн-этапе, автоматически повышается доля выборки оффлайн-данных для стабилизации базы; когда модель становится слишком консервативной и недостаточно исследует, доля онлайн-данных своевременно увеличивается, чтобы стимулировать эксперименты.

Эксперименты проведены тщательно. Команда провела проверку на трех классических базовых наборах перехода от офлайн-к онлайн-обучению с подкреплением: AntMaze (робот ищет цель в лабиринте), MuJoCo (управление движением биомиметических роботов) и FrankaKitchen (манипулятор выполняет сложные операции на кухне). Эти задачи различаются по сложности и пространству состояний, что позволяет всесторонне оценить обобщающую способность алгоритма.

Для проверки универсальности алгоритма ROAD исследовательская команда объединила ROAD с рядом ведущих офлайн-алгоритмов, включая IQL, PEX, CQL и Cal-QL. Результаты показали: независимо от базового алгоритма, ROAD стабильно повышает производительность.

На примере PEX+ROAD этот метод показал средний результат 71.12 на 24 непрерывных задачах контроля в базе данных D4RL, заняв первое место в 18 из 24 задач, что значительно превосходит все базовые методы, такие как фиксированный коэффициент, убывающий коэффициент и эвристическое сбалансированное воспроизведение.

То есть ROAD позволяет модели найти оптимальный баланс между «консервативным наследованием» и «агрессивным исследованием» — не допуская сбоев при запуске и не упуская возможности улучшения за счет данных в реальном времени. Этот метод особенно ценен для сценариев, таких как запуск моделей рискового контроля Ant Group и онлайн-оптимизация рекомендательных систем.

03 DSEBO: Адаптивный поиск подпространства для высокомерной байесовской оптимизации

Байесовская оптимизация — классический метод оптимизации черных ящиков, но она сразу же сталкивается с трудностями при высоких измерениях. Одним из распространенных решений является случайное вложение — проецирование оптимизации на низкоразмерное подпространство, но возникает новая проблема: какова же эффективная размерность?

Традиционные методы либо полагаются на опыт экспертов для задания фиксированной размерности подпространства, либо используют метод проб и ошибок для многократной оценки, что потребляет значительные ресурсы, а фиксированная размерность подпространства трудно адаптируется к различным задачам. Более того, эффективная размерность сама по себе может изменяться в процессе оптимизации: на начальном этапе исследования достаточно низкой размерности, а на этапе тонкой настройки могут потребоваться детали более высокой размерности.

DSEBO, предложенный Alibaba Group в сотрудничестве с Восточно-китайским нормальным университетом и Нанкинским университетом, превращает размерность подпространства в «динамическую переменную» в процессе оптимизации, позволяя ей автоматически переключаться в ходе поиска.

Адрес статьи: https://arxiv.org/pdf/2605.23473

Основной механизм DSEBO — «от низкого к высокому, поэтапный подъем»:

• Исходя из низкоразмерного подпространства, оптимизатор генерирует кандидаты в низкоразмерном пространстве, затем случайно встраивает их в исходное пространство, быстро выявляя общую форму целевой функции, после чего результаты обратной связи используются для итеративного обновления гауссовского процесса;
• После сходимости автоматически запускается расширение измерений, при этом низкоразмерные решения «наследуются» в высокоразмерные через общую матрицу вложений;
• Инициализация и дальнейшая оптимизация подпространств обеспечиваются за счет общей матрицы вложений, которая гарантирует взаимное вложение подпространств, формируя цикл «низкоразмерное исследование → триггер сходимости → расширение размерности → дальнейшая оптимизация», пока не будет достигнут лимит вычислительного бюджета.

На этапе расширения измерений масштаб расширения также не фиксирован — алгоритм адаптивно регулирует его в зависимости от кривой изменения текущего оптимального значения: при пологой кривой расширение замедляется, чтобы избежать ненужных затрат; при крутой кривой расширение ускоряется для быстрого захвата выгоды в высоких измерениях.

Результаты экспериментов показали: при тестировании на синтетических функциях (Levy, Griewank, Sphere, D=1000) и трех реальных задачах (MSLR, Lasso-Hard, LIMO) DSEBO сравнивался по одному с десятками популярных методов, таких как REMBO, SIRBO, BAxUS, TuRBO, и во всех задачах показал наилучшие результаты — превосходя по точности и скорости сходимости.

Эта стратегия «сначала исследовать в низком измерении, затем точно настроить в высоком измерении» также очень полезна в повседневной разработке Ant — оптимизация гиперпараметров кредитных моделей, поиск оптимальных пороговых значений для стратегий управления рисками, многопараметрическое проектирование экспериментов для маркетинговых кампаний больше не требует экспертных оценок размерности; алгоритмы сами «смотрят и идут», обеспечивая автоматизированную и высокоэффективную работу.

04 VGA-BenchV2: Сделать эталонную базу оценки видео «адаптивной» к эволюции экосистемы AIGC

Если первые три статьи обсуждают адаптацию на алгоритмическом уровне, то VGA-BenchV2 демонстрирует, как инфраструктура оценки «адаптируется» к итерациям экосистемы технологий AIGC. Это единственная работа из четырёх, сосредоточенная на понимании мультимодального контента, отражающая стратегические резервы Ant Group в нефинансовых областях, таких как цифровая жизнь и экосистема контента.

AIGC привел к взрывному росту производства видео, но возникла ключевая проблема: как систематически оценивать качество этих сгенерированных видео?

Традиционные оценочные показатели, такие как FVD (оценка общей качества и временной согласованности), CLIP Score (оценка семантической согласованности между сгенерированным изображением и текстовым описанием), в основном учитывают, насколько четкое изображение, насколько плавны движения и соответствует ли текст. Что касается тонкостей композиции, мастерства светотени, гармонии цветов — эти воспринимаемые качества, связанные с «красотой», они практически бессильны.

Ранее на CVPR 2026 Ant Group в сотрудничестве с Пекинской киноакадемией и Институтом общего искусственного интеллекта (BIGAI) представил VGA-Bench, впервые создав трехмерную рамку для оценки эстетики видео (эстетическое качество, эстетические метки, качество генерации) на основе 1016 ключевых слов, 12 моделей генерации и более 60 000 видео, позволив ИИ впервые научиться «оценивать» видео с профессиональной точки зрения.

Ссылка на статью: https://arxiv.org/pdf/2604.10127

Но модели генерации видео развиваются слишком быстро: темпы итераций в месяц делают фиксированные базовые показатели быстро «устаревшими». В этой статье IJCAI 2026 команда представила VGA-BenchV2.

Открытый адрес:

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

▎Основные эволюционные изменения включают три пункта:

Во-первых, объем ручной аннотации увеличен. VGA-BenchV2 добавил 36 000 задач, аннотированных вручную, включая 16 200 аннотаций эстетического качества, 13 200 аннотаций эстетических меток и 6 600 аннотаций качества генерации, что представляет собой расширение на 13,46 раза, 11,15 раза и 1,55 раза по сравнению с VGA-Bench соответственно. Более объемные данные о «человеческих предпочтениях» позволяют оценщику лучше соответствовать человеческим эстетическим суждениям.

Во-вторых, архитектура оценщика была усовершенствована. Команда разработала гибридную архитектуру: VAQA-Net отвечает за непрерывную оценку эстетики, а VTag-Net и VGQA-Net выполняют распознавание меток и оценку качества на основе большой визуально-языковой модели Qwen. Внедрение крупных моделей значительно повысило способность оценщика понимать сложные визуальные семантики. Экспериментальные результаты показали, что его оценки на нескольких генеративных моделях высоко согласуются с человеческими суждениями.

В-третьих, реализован замкнутый цикл от «оценки» к «оптимизации». Это наиболее прорывное дизайн-решение VGA-BenchV2: обученный оценщик эстетики используется в качестве сигнала вознаграждения для тонкой настройки генеративной модели с помощью усиленного обучения. Это означает, что оценочный стандарт больше не является просто «судьей» — его оценки напрямую преобразуются в сигналы оптимизации, направляя генеративную модель на непрерывную итерацию улучшения эстетического качества.

От VGA-Bench до VGA-BenchV2 система оценки перестала быть статичной меркой и превратилась в живую систему, которая совместно развивается с экосистемой генерации. Для сценариев Alibaba Group, таких как понимание контента, безопасная модерация и оптимизация рекомендаций, способность оценивать качество видео не только успевает за развитием экосистемы AIGC, но и обратно стимулирует оптимизацию моделей на верхнем уровне: от «оценки» к «оптимизации» — замкнутый цикл завершен.

Заключение: Даже самый умный алгоритм должен быть проверен в динамической среде.

Четыре статьи рассматривают четыре направления: безнадзорное обучение, обучение с подкреплением, черный ящик оптимизации и мультимодальная оценка, все они указывают на одну и ту же технологическую траекторию — переход от статического к динамическому парадигме.

Экспериментальные данные также подтверждают эффективность этого подхода: MSRGC-Net занял первое место по 12 из 15 показателей и второе место по двум; ROAD превзошел существующие стратегии в задачах перехода от офлайн-к-онлайн усиленного обучения; DSEBO достиг измеримого улучшения в задачах оптимизации с тысячами измерений; VGA-BenchV2 продемонстрировал высокую согласованность с человеческими оценками при тестировании на нескольких генеративных моделях.

Рассматривая общую стратегию Ant в свете этого технологического направления, можно увидеть четкую структуру «двойного привода»: с одной стороны, углубленная работа в финансовых ключевых сценариях над временным моделированием, обучением с подкреплением и оптимизационными алгоритмами; с другой — передовая разработка инфраструктуры для многомодального понимания и оценки в сфере цифровой жизни и контентной экосистемы.

В конечном счете, какой бы ни был алгоритм умным, он все равно должен быть проверен в динамичной среде. Истинная ценность этих четырех статей, возможно, заключается в том, что они все выросли из реальных бизнес-условий: сценарии Alibaba Ant не являются «фоном» для статей, а служат источником проблем, местом получения данных и полем для проверки эффективности.

И, возможно, именно это делает исследование ИИ в промышленности самым уникальным — они не просто «пишут статьи», а ищут решения для реальных проблем, способные выдерживать динамические изменения.