近日，教育信息科学与技术团队的论文《CSG: Cognitive Structure Generation for In telligent Education》被人工智能领域国际顶级会议International Conference on Machine Learning（ICML 2026）正式接收。这是我校首次以第一完成单位在ICML会议上发表论文。

会议简介： ICML是机器学习领域历史最悠久、规模最大、影响最广的顶级学术会议之一，与NeurIPS、ICLR并称为机器学习与人工智能领域的国际顶级“三大会议”，也是中国计算机学会CCF推荐的A类会议。

作者顺序：顾恒年，陈志富，陈宇鑫，周晋鹏，周东岱

通讯作者：周东岱

论文概述：认知结构（Cognitive Structure, CS）是学生对知识及其相互关系的建构，是心理学、教育学与认知科学中的基础性概念。然而，由于其内在的隐性特征，认知结构在实践中难以被直接观测与评估。现有方法（如知识追踪（KT）和认知诊断（CD））通常将表征学习与预测目标紧密耦合，仅依赖下游预测任务对认知状态进行间接建模，因而缺乏对认知结构的显式刻画能力，进而限制了模型的可解释性、泛化能力及跨任务复用性。为解决上述问题，本文提出认知结构生成（Cognitive Structure Generation, CSG）框架，从生成式建模的视角对认知结构进行显式建模。CSG首先预训练认知结构扩散概率模型（Cognitive Structure Diffusion Probabilistic Model, CSDPM），以学习潜在认知结构的分布；在此基础上，引入基于SOLO分类理论的层级奖励强化学习机制，对生成结果进行优化，从而刻画合理的认知发展模式。通过将认知结构表征从具体预测任务中解耦，CSG能够生成具有良好可解释性且可跨任务复用的认知结构表示，并可灵活集成于多种学生建模任务中，从而实现更具泛化性与模块化的建模范式。

近来，围绕智能教育特色研究方向，团队在周东岱教授带领下，在ICML、KDD、WWW、AAAI、ACM MM等CCF推荐的A类会议以及KBS等期刊发表了系列高水平论文。

初审：武珊

复审：魏来

终审：郑燕林