2026年8月13日至16日，第34届国际案例推理会议（International Conference on Case-Based Reasoning，ICCBR）在德国不莱梅大学举行。哈尔滨工业大学（深圳）计算机科学与技术学院计算机应用研究中心硕士研究生王若可参加了此次会议，并对相关工作进行了汇报。
图1：王若可参加ICCBR 2026
ICCBR是中国计算机学会推荐的B类国际学术会议。本届会议共收到221篇投稿，录用36篇，录用率16.3%，其录用的研究成果集中反映了CBR领域的最新突破与前沿趋势，是该领域学术界与工业界的重要风向标。
ICCBR是案例推理（CBR）领域的年度会议，也是该方向最具权威性的国际学术平台。自1982年Roger Schank系统阐述其理论以来，CBR便以“检索-重用-修正-保存”的认知工作流，通过复用历史经验解决当前问题，天然具备增量学习与动态知识更新能力。在现代AI技术中，CBR为机器学习的相似性度量、自然语言处理的语义匹配提供了方法支撑，并广泛应用于模式识别、信息论、博弈论、可解释性AI等领域。CBR在逻辑推理、资源管理与社会决策等场景中具有独特价值，这使其成为推动社会生态福祉进步的关键AI技术之一。
图2：ICCBR会场
慕尼黑大学的Eyke Hüllermeier教授进行了题为“In any case, or maybe not? Towards uncertainty-aware CBR”的报告。近年来，不确定性表示与处理在机器学习领域备受关注，其中两条重要研究脉络分别是区分与量化偶然不确定性和认知不确定性，以及共形预测（Conformal Prediction）这一生成具有理论覆盖保证的集合值预测的方法。此报告建立这两种不确定性框架与案例推理之间的关联，探讨它们作为不确定性感知CBR形式化基础的潜力，并着重阐述这一方向所面临的特有挑战。
图3：Eyke Hüllermeier教授做报告
德雷塞尔大学的Rosina O. Weber教授进行了题为“XAI is in Trouble, but is CBR?”的报告。此报告分析了可解释性AI（XAI）子领域在范围界定、关键定义、研究动机和评估实践等方面存在的问题。与此同时，此报告同样审视了CBR的处境——虽然没人声称CBR陷入困境，但它仍是一个有价值但非主流的AI子领域，是否面临身份认同问题（属于符号主义还是亚符号主义）？此报告结合了过去两年的研究成果，展示CBR如何支持AI对齐、加性特征归因方法以及增强大语言模型，同时指出CBR潜在的更多发展方向。
图4：Rosina O. Weber教授做报告
来自国内外的研究人员围绕案例检索与适配方法创新、CBR与现代AI技术的融合、以及跨领域应用探索等方向展开了深入交流。在方法论层面，研究者们探讨了时序案例推理中的相似性解释与可视化、案例库维护、以及适配知识的学习与泛化等核心议题；在技术融合方面，涉及CBR与深度学习、多模态感知、神经符号推理等方向的交叉探索；在应用领域，则涵盖了智能体决策、音视频分类、网络安全、气候预测、医学治疗建议、体育战术等多样化场景，充分展现了CBR在现代AI技术生态中的广泛适用性与创新活力。
图5：王若可介绍NegLLM论文
会议期间，王若可就论文《NegLLM:Enhancing Strategic LLM Negotiation Agents with Case-Based Reasoning》进行汇报。该工作针对当前LLM谈判智能体在战略推理与对话灵活性之间难以平衡的挑战：现有模型虽具备语言流畅性，但缺乏自主战略推理能力，战术意图与对话表达之间存在脱节；而通过上下文提示提供情景记忆的方式又会带来上下文开销和响应延迟。为此，NegLLM将案例推理范式与LLM相结合，旨在通过从过往谈判经验中学习战略决策，使轻量级LLM在无需在线搜索或额外理性模块的情况下高效、独立地谈判。
在方法上，NegLLM首先通过多维度动作生成方法对谈判话语的模糊性、说服力和情感三个语义维度进行建模，确保候选动作的策略多样性；其次，引入帕累托引导的树搜索，平衡帕累托效率、经验奖励与探索，在自博弈中构建谈判树以探索多样化的谈判轨迹；随后，从谈判树中提取动作级案例，采用递归价值函数评估每个动作的即时收益与长期回报，筛选出高质量案例；最后，通过含KL散度的损失函数对Llama3-8B-Instruct模型进行微调，将成功案例内化于模型参数中。
实验结果表明，NegLLM在个体效用上超越ChatGPT和DeepSeek等四个大语言模型谈判智能体15.87%；与基线模型相比，个体效用提升27.58%，帕累托效率提升44.11%，谈判轮次减少18.18%。即使在未见过的新谈判场景中，NegLLM仍能保持稳定的性能提升，验证了其迁移泛化能力。该工作证明了通过案例推理范式增强轻量级LLM，使其在复杂谈判任务中超越大型商业模型的可行性。
图6：NegLLM的海报
图7：与同行交流
图8：不来梅城市旅游
图9：参观不来梅市酒窖
论文信息：
论文《NegLLM:Enhancing Strategic LLM Negotiation Agents with Case-Based Reasoning》被CCF-B类会议ICCBR2026录用。
论文作者：Ruoke Wang（王若可）、Tianzi Ma（马天姿）、Yulin Wu（吴宇琳）、Jiajia Zhang（张加佳）、Xuan Wang（王轩）
作者单位：哈尔滨工业大学（深圳）、广东省安全智能新技术重点实验室
论文作者介绍：
王若可
哈尔滨工业大学（深圳）2024级硕士研究生，研究方向为智能谈判与博弈决策。在国际顶级期刊和会议发表论文2篇。曾获第十九届“挑战杯”全国特等奖；2025年世界智能谈判比赛边端智能体赛道世界第一名。
马天姿
哈尔滨工业大学（深圳）2022级博士研究生，研究方向为智能谈判与博弈决策。在国际顶级期刊和会议发表论文5篇，获授权国家专利2项。曾获第十九届“挑战杯”全国特等奖、第九届全国青年人工智能创新创业大会全国一等奖；2024年世界智能谈判比赛中获纳什最优性赛道世界第二名；2025年世界智能谈判边端智能体赛道世界第一名。
撰写 | 王若可、马天姿
初审 | 黄颖欣
复审 | 漆舒汉
终审 | 王轩
