官全龍、方良達(dá)團(tuán)隊(duì)論文成果被信息檢索與人工智能領(lǐng)域國(guó)際頂會(huì)SIGIR錄用
近日，第49屆國(guó)際 ACM SIGIR(ACM SIGIR Conference on Research and Development in Information Retrieval，簡(jiǎn)稱 SIGIR 2026）公布論文錄用結(jié)果。官全龍、方良達(dá)團(tuán)隊(duì)在信息檢索與人工智能領(lǐng)域取得重要進(jìn)展，論文成果“Mitigating Evidence Suppression:Bi-level Active Evidence Injection for Educational Video Understanding”被 SIGIR 2026 Full Papers Track 錄用。SIGIR 2026年錄用率為18.4%。SIGIR是信息檢索與人工智能領(lǐng)域公認(rèn)的國(guó)際頂級(jí)學(xué)術(shù)會(huì)議之一，自1978年由ACM SIGIR主辦，是中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）推薦的 A 類國(guó)際學(xué)術(shù)會(huì)議。
大型視覺(jué)語(yǔ)言模型（LVLM）在知識(shí)密集型教育視頻問(wèn)答任務(wù)中具有廣闊應(yīng)用前景，但即使相關(guān)視覺(jué)證據(jù)已經(jīng)存在，模型在實(shí)際回答過(guò)程中仍常常不能充分利用這些關(guān)鍵信息。研究團(tuán)隊(duì)通過(guò)區(qū)域級(jí)分析發(fā)現(xiàn)，與干擾信息相比，任務(wù)關(guān)鍵的視覺(jué) token（如圖表等）在編碼器輸出中往往呈現(xiàn)出更低的表征能量，并在后續(xù)解碼過(guò)程中被較少利用，表現(xiàn)出明顯的“證據(jù)抑制”現(xiàn)象。這種現(xiàn)象會(huì)削弱模型對(duì)教育視頻中核心內(nèi)容的理解能力，從而影響回答準(zhǔn)確率。為解決這一問(wèn)題，團(tuán)隊(duì)提出雙層主動(dòng)證據(jù)注入方法（Bi-level Active Evidence Injection,BAEI）。該方法無(wú)需更新大型視覺(jué)語(yǔ)言模型主干參數(shù)，而是在解碼階段引入輕量級(jí)注入策略網(wǎng)絡(luò)（Injection Policy Network,IPN），并通過(guò) GRPO 優(yōu)化，實(shí)現(xiàn)對(duì)候選證據(jù) token 的動(dòng)態(tài)選擇和結(jié)構(gòu)化殘差注入。該框架在兩個(gè)層面發(fā)揮作用：在淺層，通過(guò)干預(yù)提升證據(jù)相關(guān)視覺(jué)信號(hào)對(duì)后續(xù)解碼過(guò)程的有效貢獻(xiàn)；在深層，則根據(jù)預(yù)測(cè)熵自適應(yīng)地進(jìn)行校正，從而更穩(wěn)定地增強(qiáng)模型對(duì)關(guān)鍵視覺(jué)證據(jù)的利用能力。教育領(lǐng)域基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該方法能夠帶來(lái)穩(wěn)定的性能增益，驗(yàn)證了解碼階段面向證據(jù)信號(hào)進(jìn)行主動(dòng)干預(yù)的有效性。
論文作者是劉成、王一評(píng)、官全龍（通訊作者）、賀超波、朱星諭、方良達(dá)。該研究工作得到了國(guó)家自然科學(xué)基金項(xiàng)目（62377028，62276114，62477016）等項(xiàng)目的支持。
責(zé)編：常凱麗