近日，国际人工智能领域顶级学术会议NeurIPS 2026公布了录用论文。我校人工智能学部两项研究成果入选。由我校能源大数据智慧计算科研团队负责人杜海舟老师及其硕士生黄力鑫、赵金泽，严怀成教授撰写的两篇长文论文《FedPeel: Peeling Stabilized Layers for Robust Heterogeneous Federated Learning》和《RADAR: Routing Agents via Difficulty-Aware Recovery》被会议主赛道录用。这是我校在异构分布式机器学习与基于大模型的多智能体编排优化等方向取得的重要研究进展。
研究成果一《FedPeel: Peeling Stabilized Layers for Robust Heterogeneous Federated Learning》 针对异构联邦学习中客户端模型架构与数据分布双重异构的挑战，提出了结构感知的异构分布式机器学习新框架FedPeel。该框架通过稳定层检测与自适应频域解耦机制实现选择性参数聚合，并引入样本级温度控制知识蒸馏，在保护客户端个性化知识的同时高效共享全局信息。实验表明，FedPeel在图像、文本和音频等多类型基准数据集上的任务准确率相比最先进方法提升超过20%，同时显著降低了通信开销。
图1：FedPeel框架整体概览
研究成果二《RADAR: Routing Agents via Difficulty-Aware Recovery》 针对多智能体系统中智能体编排开销高昂、任务难度难以感知的问题，提出了智能体路由新框架RADAR。该框架离线阶段利用低秩矩阵补全技术，从少量锚点动作评测中恢复全局性能画像；在线阶段通过轻量探针提取多维难度元特征并重排序，实现任务难度与智能体能力的精准匹配，将“表面复杂”与“真正困难”区分开来，大幅降低了多智能体编排中评估单个智能体能力所需的成本。
图2：RADAR框架整体概览
NeurIPS是国际人工智能与机器学习领域历史最悠久、影响力最广的顶级学术会议之一，为中国计算机学会和中国人工智能学会推荐的A类会议，在CORE Conference Ranking中被评为A*级别，与ICML、ICLR并列为机器学习领域三大顶级会议。2026年NeurIPS将在悉尼举办，主赛道共收到有效投稿30709篇，最终录用率仅为25.7%。
能源大数据智慧计算科研团队相关成果连续三年入选 NeurIPS 国际人工智能顶级学术会议，展现了持续向国际顶尖科研前沿迈进的坚实步伐。为学校在分布式机器学习、多智能体系统等方向的发展注入了新的动力。未来，学部将继续聚焦科研前沿，强化原创性科技创新，为新一代智能技术发展贡献力量。
人工智能学部 供稿