2024年经典和杰出论文奖授予以下论文：
2024年AIJ杰出论文奖
基于地标的规划目标识别方法
拉蒙·弗拉加·佩雷拉（Ramon Fraga Pereira）、尼尔·奥伦（Nir Oren）、菲利佩·梅内古齐（Felipe Meneguzzi）
人工智能279（2020）
在发展准确高效的目标识别技术方面做出杰出贡献
2024年AIJ经典论文奖
面向代理的编程
约夫·肖姆
人工智能60（1）：51-92（1993）
为了引入面向代理编程的范例
过去AIJ杰出和经典获奖论文
2023:
2023年度杰出论文奖授予：
纳萨里：整合显性知识和语料库统计 概念和实体的多语言表示
JoséCamacho-Collados、Mohammad Taher Pilehvar、Roberto Navigli
人工智能240:36-64（2016）
该奖项是为了表彰在词汇和语义、潜在和显性向量形式的意义的多语言表达方面做出的杰出贡献。这项工作不仅在发布时在多语言语义相似性方面取得了最先进的性能，而且还支持多种语言（包括低资源语言）的词义消歧和实体链接。这项工作进一步启发了实际应用，以检测机器翻译中被业界引用和使用的词汇错误。
2023年度经典论文奖授予：
深蓝
Murray Campbell、A.Joseph Hoane Jr.、Feng-hsiung Hsu
人工智能134（1-2）：57-83（2002）
1997年，深蓝队在六场比赛中击败加里·卡斯帕罗夫，在过去的四分之一个世纪里，深蓝仍然是人工智能发展中的一个里程碑。深蓝为高级搜索算法提供了定制硬件方面的技术进步，并且仍然是性能上的里程碑和工程成就的奇迹。深蓝也帮助搭建了舞台，并激励研究人员瞄准游戏中的AI大挑战，最引人注目的是围棋游戏。
2022:
2022年度杰出论文奖授予：
最优社会选择功能：一种功利主义观点
克雷格·布蒂利尔（Craig Boutiler）、伊安妮斯·卡拉吉安尼斯（Ioannis Caragiannis）、西米·哈伯（Simi Haber）、泰勒·卢（Tyler Lu）、阿里尔·普罗卡西亚（Ariel Procaccia）或谢菲特
人工智能227:190-213（2015）
本文通过引入一种全新的投票方法（现在称为隐式效用投票），对计算型社会选择做出了杰出贡献。它还启动了对失真的大量研究，导致了对该主题的调查和辅导报道，并将其纳入研究生课程材料。在其众多贡献中，该论文包括突破性的结果，如最优随机投票规则的多项式时间可计算性和对其失真的近乎严密的分析。它还提供了一个平均案例分析和学习理论结果，从而为该主题的多方面处理打开了大门。
2022年经典论文奖授予：
一种最优粗粒度圆弧一致性算法
Christian Bessiere、Jean-Charles Régin、Roland Yap、Yuanlin Zhang
人工智能165（2）：165-185（2005）
约束传播算法是约束编程成功的核心，而所有这些算法中最重要的是用于增强弧一致性。本文提供了一种在通用约束上实现弧一致性的优化算法，为正确性提供了优雅的证明，并分析了其复杂性。这项工作的特点是优雅、简洁、高效和影响力。这个算法现在是大多数商业和开源解算器的核心。
2021:
以下两篇论文分享了2021年杰出论文奖：
利用有界多臂强盗实现未知专家的高效众包
Long Tran-Thanh、Sebastian Stein、Alex Rogers、Nicholas R.Jennings
人工智能214:89-111（2014）
本文为众包系统中任务分配算法的严格和原则性数学分析开发了第一个综合框架。它还提出了一种新的顺序决策模型，称为具有可证明性能保证的有界强盗。自第一次出版以来，这两项贡献对工业界和学术界其他研究人员的后续工作产生了重大影响。
算法运行时预测：方法与评估
Frank Hutter、Lin Xu、Holger Hoos、Kevin Leyton-Brown
人工智能206:79-111（2014）
本文是算法运行时预测领域的一个重要里程碑。它提供了统一的技术概述，新的技术贡献，包括现有方法的改进和扩展，并对AI和算法中的三个基本问题（命题可满足性、旅行推销员和混合整数规划）的算法运行时预测进行了全面的实证分析。本文不仅为人工智能和算法领域的算法运行时预测提供了重要且被高度引用的参考，而且还影响了高性能和分布式计算领域的工作，这些领域的大量引用证明了这一点。
2021年经典论文奖授予：
部分可观测随机域中的规划与行为
Leslie Pack Kaelbling、Michael Littman、Anthony Cassandra
人工智能101（1-2）：99-134
这可能是将部分可观测马尔可夫决策过程（POMDP）从运筹学领域引入人工智能领域的最著名的论文。它总结了POMDP的理论形式（以及新的算法贡献）从人工智能研究的角度来看，并以一种非常容易理解和直观的方式这样做，为几代人工智能研究人员揭开了POMDP技术的神秘面纱。POMDP在人工智能领域的引入和普及不仅有助于形成人工智能中顺序决策的形式化现代视角，而且对机器人界产生了重大影响，机器人界将POMDP作为一种基本的代表形式主义。
2020:
2020年度杰出论文奖授予：
基于冲突的最优多代理路径搜索
Guni Sharon、Roni Stern、Ariel Felner、Nathan R.Sturtevant
人工智能219:40-66（2015）
本文介绍了基于冲突解决和冲突树搜索的多智能体路径查找问题的一种优雅而新颖的形式化。出版后，这部作品大大提高了艺术水平。在此后的几年中，该论文已成为该领域的参考文献，并有许多后来的变体、扩展和概括。如今，这些贡献正被成功应用于解决一系列重要的工业应用，包括飞机牵引、自动化仓库、办公机器人和视频游戏。
2020年度经典论文奖授予：
时间约束网络
Rina Dechter、Itai Meiri、Judea Pearl
人工智能49（1-3）:61-95（1991）
这篇开创性的论文引入了时间约束满足问题（TCSP），用于定量时间推理。TCSP，以及简单（非析取）时间问题的多次可解特例，已经在规划和调度以及其他应用中得到了广泛的应用。本文简单而优雅的问题公式也启发了后续关于时间不确定性、偏好和其他扩展的时间推理的工作。
2019:
2019年度杰出论文奖授予：
辍学学习算法
皮埃尔·巴尔迪、彼得·萨多夫斯基
人工智能210:1-122（2014）
辍学已成为一种关键的机器学习技术，主要用于在训练大型神经网络时避免过拟合。本文中的数学分析揭示了辍学成为深度学习基石的特性。这篇文章还提供了与其他统计领域的联系，以及与集成学习和尖峰神经元理论的联系。
2019年度经典论文奖授予：
在MDP和半MDP之间：强化学习中的时间抽象框架
Richard S.Sutton、Doina Precup、Satinder Singh
人工智能112（1-2）：52-89（1999）
这是一篇关于选项的开创性论文，选项是强化学习（RL）中广泛使用的框架，用于表示不同时间尺度和抽象级别的行为。选项框架已经形成了该领域的后续工作，并且仍然定义了在RL中制定和解决分层动作和知识的表征学习问题的术语。
2018:
2018年度杰出论文奖授予：
冲突驱动的答案集解决：从理论到实践
马丁·格布瑟（Martin Gebser）、本杰明·考夫曼（Benjamin Kaufmann）、托尔斯滕·绍布（Torsten Schaub）
人工智能187: 52-89 (2012)
答案集编程（ASP）为表达许多组合问题提供了一种强大的紧凑语言。本文介绍了一种计算逻辑程序答案集的新方法，该方法基于可满足性（SAT）检查中成功应用的概念。该方法在ASP求解器卡环中实现，该卡环已赢得多场比赛，同时扩展了可以作为答案集程序有效建模和解决的问题范围。
2018年度经典论文奖授予：
论论证的可接受性及其在非单调推理、逻辑程序设计和n人博弈中的基本作用
Phan Minh Dung公司
人工智能77(2): 321-358 (1995)
这是一篇关于论证理论的开创性论文，为该领域几乎所有后续工作奠定了基础。这个丰富而优雅的论证框架是从几个简单的抽象原语发展而来的，用于在论证与非单调推理、逻辑编程、社会选择和合作博弈理论之间建立清晰而有意义的关系
2017:
以下两篇论文分享了2017年度杰出论文奖：
BabelNet：广域多语言语义网络的自动构建、评估和应用
Roberto Navigli、Simone Paolo Ponzeto
人工智能193: 217-250 (2012)
2017年度杰出论文奖授予了两篇对从维基百科和Wordnet等公共领域资源自动构建大型知识库和语义网络做出杰出贡献的论文。BabelNet是一个多语言词汇语义网络，它合并了来自开源词典的词典信息。借助BabelNet，可以对大量语言执行计算词汇语义任务，如消歧、信息提取、问答，以及更一般的文本理解，同时保持语言之间的联系，从而实现多语言文本的联合分析和消歧。
YAGO2：来自维基百科的时空增强知识库
Johannes Hoffart、Fabian M.Suchanek、Klaus Berberich、Gerhard Weikum
人工智能194: 28-61 (2013)
YAGO2是一个方便搜索、大规模、高度准确的机器可处理形式的常见事实知识库。它对于理解互联网内容、支持语义搜索和文本消歧等任务以及构建真正的智能代理来说，都是非常宝贵的。YAGO2论文以早期的YAGO系统为基础，着重于知识库中时空维度的整合和构建。BabelNet和YAGO2将卓越的科学与重大的工程工作结合在一起。
它们不仅促成而且激励了人工智能、自然语言处理和语义网领域的许多其他发展
2017年经典论文奖授予：
通过规划图分析快速规划
Avrim Blum、Merrick L.Furst
人工智能90( 1-2):281-300 (1997)
这篇开创性的论文改变了人们对经典规划算法的看法。在论文出现之前，大多数规划方法都是在规划空间中使用回溯法进行搜索。相反，Blum和Furst建议以迭代深化的方式创建特定的图形结构以进行约束
从目标向后搜索，导致性能显著提高。虽然作者提出的具体规划算法没有占主导地位，但该算法背后的思想和采用的实证方法启发了当前的方法，如基于SAT的规划和基于启发式搜索的规划方法。这项工作还表明，走出老路，对现有的算法问题采取新的观点是值得的。
2016:
2016年度杰出论文奖授予：
计算机围棋中的蒙特卡罗树搜索和快速动作值估计
西尔万·盖利和大卫·西尔弗
人工智能175（11）：1856-1875（2011）)
围棋是一种古老的中国棋类游戏，长期以来一直被认为是人工智能领域的一大挑战。虽然多年来，计算机程序在棋类和国际象棋等游戏中击败了世界领先的人类玩家，但围棋所需的高水平直觉和评估使人工智能搜索方法很难破解。最近几年，情况发生了变化，其中最后一个里程碑是传奇围棋选手李世铎最近被谷歌DeepMind开发的AlphaGo击败。然而，实现这一突破的上一个里程碑是十年前通过使用Monte-Carlo树搜索以及一些增强功能实现的。这导致了在9×9围棋中击败人类职业选手并达到大师级（丹）的项目。这项工作于2007年发表在两篇论文中：一篇是由雷米·库伦在《国际计算机游戏协会杂志》上发表的，另一篇是西尔万·盖利和大卫·西尔弗在2007年ICML会议上发表的。这篇AIJ论文是后者的后续，涵盖了两个增强功能：快速动作值估计和启发式初始化。这些扩展导致了一个程序首次在19×19围棋中达到了大师级水平。
2016年经典论文奖授予：
实时启发式搜索
理查德·科尔夫
人工智能42（2-3）：189-211（1990年)
这是对人工智能中考虑的基本状态模型进行实时启发式搜索的开创性论文，其中动作具有确定性效果，信息是完整的。虽然标准的启发式搜索方法旨在离线解决问题，但实时搜索方法用于在线选择在某种形式的前瞻之后要执行的下一个操作。Korf的最小和实时A*算法从双人游戏中搜索的基本思想中获得灵感，而学习实时A*（LRTA*）是第一个捕获两个关键属性的算法，在搜索过程中启发式值会动态更新：避免循环和收敛到最优解。LRTA*仍然是该领域的一个重要参考，在该领域，已经开发出了一些在稍有不同的假设下工作的变体，包括实时动态规划算法（RTDP），可以被视为LRTA*对马尔可夫决策过程的推广。
2015:
2015年度杰出论文奖授予：
通过学习成对偏好进行标签排名
Eyke Hüllermier、Johannes Fürnkranz、Weiwei Cheng、Klaus Brinker
人工智能172（16-17）：1897-1916 (2008)
本文是偏好学习领域的一篇关键论文。它研究标签排名问题，该问题涉及学习在有限数量的标签上从实例到排名的映射。作者介绍了成对比较排序算法（RPC），该算法首先导出一个二进制偏好关系，然后使用该关系导出一个排序。本文包含了吸引人的理论结果（RPC可以最小化不同的损失函数）以及经验结果（RPC在准确性方面具有竞争力，在效率方面具有优势）。这篇文章展示了一种自然而直观的吸引人的方法的优雅和力量。它在偏好和偏好学习领域具有影响力。
2015年度经典论文奖授予：
信念网络的融合、传播和构建
朱迪亚·珀尔
人工智能29（3）：241-288 (1986)
这是一篇开创性的期刊论文，介绍了贝叶斯网络和用于单连通网络（包括树）中信念传播的分布式、线性时间、消息传递算法。这项工作与Pearl 1988年出版的《智能系统中的概率推理》一书一起，引发了人工智能领域的“概率革命”。贝叶斯网络和贝叶斯算法对人工智能、机器学习、信息理论和认知科学的影响确实巨大，提供了一个表示和计算框架，该框架将概率推理与图、具有复杂度边界的图拓扑以及具有方向信息流的因果和证据推理联系起来。通过展示“如何处理人们说你做不到的概率”，本文介绍了一些关键的概念，如使用图表示独立关系，以及使用独立关系在树和树状图上进行精确的概率推理。
2014:
以下两篇论文分享了2014年度杰出论文奖：
论证框架中关于偏好的推理
桑杰·莫吉尔
人工智能 73 (9–10):901–934(2009)
辩论是指在存在相互矛盾的证据的情况下，试图获得合理合理的立场。论证研究起源于哲学领域，现已成为人工智能研究者的一个主要课题。论证的关键问题之一是为论证开发一个形式化模型和相关语义，以表达论证和辩论的微妙之处。桑杰·莫吉尔（Sanjay Modgil）的论文对此问题做出了重大贡献。他的论文展示了如何丰富抽象论证中使用的基于规范图形的模型，以允许使用元论点等概念，在元论点中，论点可以攻击攻击。本文激励并提出了这种新模型，并探讨了该模型与逻辑编程的关系。莫吉尔的工作是对论证领域的重要贡献，也是该领域工作的杰出典范。
一阶MDP的实用求解技术
Scott Sanner和Craig Boutiler，
人工智能173（5-6）：748–788(2009)
决策理论规划问题自然地使用概率一阶逻辑（例如PDDL）表示，但传统上是通过首先“根植”问题来解决的。不幸的是，这样的地面表示随着领域对象的数量呈多项式增长，谓词的数量呈指数增长。在这篇开创性的论文中，一阶MDP在没有接地的情况下求解。尽管本文范围广泛，可以作为该领域的介绍，但它也具有必要的技术深度，对基于（i）符号动态规划和（ii）一阶线性规划的求解技术提供了清晰的解释。此外，这些技术得到了实施和实证评估，在一系列规划问题上显示出良好的结果。用一阶概率理论表示和推理（通常称为“提升推理”）是人工智能的一个关键研究课题；本文是对它的一个重大进展。
2014年度经典论文奖授予：
默认推理的逻辑
雷·雷特
人工智能13（1-2）:81-132（1980）
这篇开创性的论文介绍并发展了一种关于缺省和异常推理的数学理论，即缺省逻辑。关于违约的推理是指在缺乏对世界的完整了解的情况下得出合理的结论。默认推理是日常常识推理的关键组成部分，在许多计算机系统中都是必不可少的。缺省逻辑的核心要素是定义由一组缺省值诱导的一阶理论的扩展。默认逻辑是非单调的，在这个意义上，当添加新的公理时，默认证明的结论可能需要收回。赖特的默认推理方法具有极大的影响力。它不仅对知识表示领域产生了重大影响，包括它在框架问题和常识推理理论中的其他难题中的应用，但它也对逻辑编程产生了重大影响，并成为当前许多默认推理（包括答案集编程）工作的基础。总的来说，本文是知识表示研究领域，乃至整个人工智能领域的基石出版物之一。获奖委员会很荣幸有机会一致推荐这篇论文作为2014年美国国际期刊经典论文奖的获奖者。
2013:
2013年度杰出论文奖授予：
语义Web中答案集编程与描述逻辑的结合
托马斯·艾特、乔瓦姆巴蒂斯塔·伊安尼、托马斯·卢卡西维奇、罗曼·辛德劳、汉斯·托姆皮茨
人工智能172（12-13）：1495-1539（2008）
本文提出了dl-programs，这是一种在答案集语义下将描述逻辑与基于规则的逻辑程序集成在一起的形式主义。它不仅从表达能力和计算复杂性方面对这些程序进行了详细的理论分析，而且还提供了一个实现，说明了所提出的形式主义在语义网中的有用性。这项工作突出了在描述逻辑中添加规则和默认规则的问题上的许多困难问题，并在该领域的后续工作中产生了很大影响。
以下两篇论文分享了2013年经典论文奖：
STRIPS：应用定理证明解决问题的新方法
理查德·菲克斯，尼尔斯·J·尼尔森
人工智能2（3-4）：189-208（1971）)
本文为人工智能中的经典规划奠定了基础和初始算法，在人工智能中，代理必须执行确定性动作，将给定的初始状态从动作的声明性和紧凑表示转换为目标状态。为此，本文将逻辑和问题解决的思想结合起来，形成了一个域相关问题求解器，其中状态由一阶逻辑公式表征，运算符由三组公式表征——前提、添加和删除列表。该表示法为框架问题提供了一个实用的解决方案，尽管有一些变化，但仍在当前的经典和非经典规划师中使用。基本STRIPS规划算法反过来为线性和非线性规划算法提供了基础，也为将域相关的经典规划视为状态图中的路径查找问题提供了基础。
关系网络中的一致性
艾伦·K·麦克沃思
人工智能8（1）：99-118（1977）
这篇人工智能领域的开创性论文致力于解决约束满足问题（CSP），包含三个基本贡献。首先，本文通过识别局部不一致可能导致大量颠簸或无效搜索，为改进CSP上回溯算法的性能提供了一个基本的见解。其次，本文给出了描述CSP局部一致性水平的条件的明确定义，尤其包括弧一致性的概念，以及通过消除不一致性来实现这些局部一致性的精确算法。这样的算法已经被称为约束传播算法。第三，本文提倡在搜索树的每个节点上使用约束传播，这一技术现在是所有开源和商业约束编程系统的基础。本文对约束规划领域的研究议程的建立和指导产生了巨大的影响。
2012:
2012年度杰出论文奖授予：
学习和推断运输路线
林廖（Lin Liao）、唐纳德·帕特森（Donald J.Patterson）、迪特尔·福克斯（Dieter Fox）和亨利·考茨（Henry Kautz）
人工智能171 (5–6):311–331(2007)
本文介绍了一种分层马尔可夫模型，该模型可以通过城市社区学习和推断用户的日常运动，并将其应用于帮助认知障碍者安全使用公共交通的应用程序中。本文提出了一个现实而重要的问题，并通过开发技术先进、最先进的人工智能技术来解决这个问题，这些技术的适用性远远超出了本文所描述的领域。这项工作对人工智能内外的动态贝叶斯网络建模和学习领域产生了重大影响。因此，奖项委员会一致认为该论文是首届AIJ杰出论文奖的得主。
经典论文奖于2013年启动。
