近日，JBO体育 科研工作再添硕果！由JBO体育 郝飞教授指导的两篇硕士研究生学术论文接连传来录用喜讯，分别被第 40 届神经信息处理系统大会（NeurIPS 2026）与 The Web Conference 2026（简称 WWW 2026）正式收录。两大会议均为中国计算机学会（CCF）认定的A类国际顶级学术会议，充分彰显了JBO体育 在人工智能领域的前沿科研实力与高质量研究生培养成效。

此次由郝飞教授指导、JBO体育 硕士研究生许新兰同学为第一作者的学术论文“Uncertainty-Aware Fuzzy Graph Contrastive Learning”被 NeurIPS 2026 录用。NeurIPS 是机器学习与人工智能领域的国际顶级学术会议，是机器学习领域历史最悠久、规模最大、影响最广的顶级国际学术会议之一，也是 CCF 推荐A 类会议，与 ICML、ICLR 并称为人工智能领域难度最大、水平最高、影响力最强的 “三大会议”。

该研究聚焦图对比学习在图数据不确定性场景下的节点表征学习问题。针对现有方法依赖确定性表征难以刻画数据模糊性、模糊建模缺乏适配的增强策略，导致表征判别性不足、下游任务性能受限的关键挑战，提出了一种全新的模糊图对比学习框架。该方法采用顶点纠缠增强策略，生成扰动可控的多视图样本，在保留图核心拓扑结构与语义信息的同时规避语义损毁问题；同时设计深度加权模糊图卷积编码器，依托可学习隶属度函数将确定性特征转化为模糊表征，显性建模数据不确定性，解决了传统模型难以兼顾判别性与鲁棒性的难题。实验结果表明，该方法在多项主流任务中均优于基线模型，有效提升了图表征学习对真实数据不确定性的适配能力与整体性能。

同期，由郝飞教授指导、JBO体育 硕士研究生杨策同学为第一作者的学术论文“Dir-GD: Directed Graph Distillation”被 WWW 2026 录用。WWW 是万维网与互联网研究领域的国际顶级学术会议，是互联网领域历史最悠久、规模最大、影响最广的顶级国际学术会议之一，也是 CCF 推荐A 类国际学术会议。

该研究聚焦超大规模有向图的表示学习与高效压缩问题。针对真实场景中图数据普遍包含百万级节点、数十亿条有向边，直接训练图神经网络计算与存储开销高昂，且现有图采样、图蒸馏方法多面向无向图、无法有效保留方向语义等行业难题，提出了有向图蒸馏框架 Dir-GD。该模型融合分布式学习与社区检测技术，通过 Infomap 社区检测将大规模有向图拆分为独立子图并开展并行训练，无需加载全图即可完成学习过程；通过有向 PageRank 算法筛选各社区中心节点，结合边计数加权策略保留有向边的非对称语义特征；最终通过可学习参数聚合机制，生成能够保留全局核心拓扑与方向信息的紧凑合成图。实验结果表明，在百万节点级的大规模数据集上，该方法在 0.001 的极低蒸馏比例下仍可保持 91% 以上的任务准确率，同时大幅降低内存占用与训练耗时，为欺诈检测、因果分析等对方向敏感的实际应用场景提供了高效可扩展的技术方案。

两项研究成果展现了JBO体育 在人工智能与机器学习领域的前沿探索实力，特别是在图神经网络、大规模图计算与不确定性建模方向的创新突破。多篇高水平学术论文的接连录用，也体现了JBO体育 硕士研究生培养质量的稳步提升和国际化科研水平的持续进步。