澳门新葡京娱乐城 王英教授指导的2025级博士生王硕的论文“Environment Promoted Invariant Information Learning for Graph Out-of-Distribution Generalization”被CCF A类期刊AI接收。该文章第一作者为王硕，通讯作者为王英教授，合作者包括2023级博士生孙明辰和穆罕默德·本·扎耶德人工智能大学博士后黄强。

  图神经网络虽然在图数据建模上表现优异，但其传统训练范式受限于独立同分布假设，难以应对现实场景中复杂的分布偏移问题，导致模型在实际应用中性能下降。近年来，越来越多的研究聚焦于利用不变学习和因果学习技术提升模型的分布外泛化能力。然而，这些方法在提取不变信息时往往忽略了子图估计偏差，导致模型泛化性能受限。为此，本文提出因果启发式环境促进图泛化框架（CEPG），通过设计多重因果约束，将环境信息转化为反馈信号动态校正子图估计偏差，从而引导模型逐渐拟合目标不变信息分布。实验结果表明，CEPG能够有效应对多种分布偏移场景，在合成及真实数据集上的泛化性能均优于现有方法。

  Artificial Intelligence(AI)是人工智能领域国际顶级期刊，被中国计算机学会推荐的A类期刊。