Invariant Representation Learning for Memory Behavior Modeling via Adaptive Environment Separation (AAAI 2026) (A会)
核心内容：
这篇论文聚焦记忆行为建模中的分布外泛化问题，提出了无需显式环境标签的不变表示学习框架I-Mem，通过自适应分离环境相关的虚假特征、提取稳定的认知结构特征，解决了现有模型在动态异质记忆数据中泛化能力差的问题，同时兼具可解释性和认知机制发现潜力。
Towards Ultrasound-based Reliable Disease Diagnosis Using Causal Inference (AAAI 2026) (A会)
核心内容：
提出了将因果推理融入超声影像诊断模型，解决传统深度学习模型仅做关联对齐、易受伪相关干扰的问题，实现与超声科医生诊断逻辑一致的因果对齐，大幅提升超声疾病诊断的可靠性。
SEMC: Structure-Enhanced Mixture-of-Experts Contrastive Learning for Ultrasound Standard Plane Recognition (AAAI 2026) (A会)
核心内容：
聚焦于超声标准切面识别这一临床关键任务，提出了名为SEMC的结构增强型混合专家对比学习框架，同时构建了高质量的肝脏超声标准切面数据集 LP2025，解决了现有方法在浅层结构信息利用、细粒度语义差异捕捉上的不足，在多个数据集上取得了 SOTA 性能。
