近日，成人卡通 刘兆伟教授团队的两项最新研究成果同时入选人工智能国际顶级会议AAAI 2026（The 40th Annual AAAI Conference on Artificial Intelligence）主会议长文，分别被录用为Oral Presentation（口头报告）和Poster Presentation（海报展示）形式。这是我校首次以第一完成单位和独立通信单位在AAAI学术会议上发表研究成果。

第一项研究成果“DA-DFGAS: Differentiable Federated Graph Neural Architecture Search with Distribution-Aware Attentive Aggregation”聚焦于联邦学习环境下的图神经网络（GNN）设计。在现实应用中，图数据往往因隐私和安全问题分散在不同机构，容易形成“数据孤岛”，对训练高性能GNN模型带来了巨大阻碍。为此，团队提出一种新颖的联邦图神经架构搜索算法（如图1所示），采用可微分神经架构搜索技术为每个机构自动构建高性能的个性化GNN模型，设计的分布感知注意力聚合机制能够自适应平衡各方贡献，有效缓解数据异构性带来的负面影响，提升了分布式图学习模型的性能与收敛效率。

图1 DA-DFGAS算法框架图

第二项研究成果“Multi-dimensional Adaptive Mix-hop Contextual Learning Framework for Universal Graph Anomaly Detection”聚焦图异常检测。针对传统异常检测方法严重依赖大量标注数据与特定场景训练，难以应对现实图中节点属性缺失、结构异质性强及标注成本高昂的挑战，团队提出的通用图异常检测框架SAARCS（如图2所示），仅需极少量正常节点作为参考，即可在无需目标数据训练的条件下，跨域精准识别图中异常模式，为实现跨领域、低成本、高泛化的图异常检测提供了全新方案，提升了图异常检测模型的跨域泛化能力与实际应用价值。

图2 SAARCS框架图

AAAI 会议被中国计算机学会（CCF）和中国人工智能学会（CAAI）列为A类国际学术会议，在 CORE Conference Ranking中被评为A*级别（最高级别），其Impact Score 为25.57，是人工智能领域历史最悠久、涵盖内容最广泛的国际顶级学术会议之一，在国际上享有极高的学术声誉。近年来，AAAI会议的投稿数量和竞争激烈程度屡创新高，2025年度近23,680篇论文投稿，最终总体录用率仅为17.6%（口头报告录用率更低），体现出其高度的学术认可度与录用难度。

以上两项研究成果均以成人卡通 为第一完成单位和独立通信单位，刘兆伟为两篇论文的第一作者和通信作者，第二作者分别为硕士研究生蒋毅豪和姜磊磊。研究工作得到了国家自然科学基金、山东省重大创新工程、烟台市重大创新工程等基金和项目的支持。

作者：郑强   责任编辑：马文明   审核：段昕