近日，南华大学计算机学院田纹龙副教授和万亚平教授团队、华中科技大学王号召老师、武汉科技大学鲁剑锋老师、美国Virginia Commonwealth University的Weijun Xiao老师和美国Suffolk University的Zhiyong Xu老师共同在人工智能领域顶级国际学术会议AAAI（Annual AAAI Conference on Artificial Intelligence）发表了题为“Ripple Shapley: Data Influence Attribution in One Federated Training Run”的最新研究论文。该成果以南华大学为第一单位，南华大学计算机学院2023级研究生曾德文为第一作者、田纹龙老师为通讯作者，并被录用为Oral Presentation。AAAI是人工智能领域历史最悠久、涵盖内容最广泛的国际顶级学术会议之一，被中国计算机学会和中国人工智能学会评为A类会议，在学术评价体系中具有高权威性。本届会议录用率仅为17.6%，AAAI 2026会议将于2026年1月20日至27日在新加坡举办。

数据贡献度评估（Data Attribution）是联邦学习激励机制与可信协作的核心问题，其旨在量化各参与方或样本对全局模型性能的真实影响。现有基于Shapley值的理论方法通常面临高昂计算复杂度，同时忽略了数据影响的时序传播特性，而无法有效反应样本的真实影响。团队提出了一种在单次联邦训练过程中实现高精度、低开销数据价值归因的全新框架——Ripple Shapley，为联邦学习中长期影响建模提供了理论突破与实践路径。首次从时序传播视角出发，将样本影响分解为Drop项（刻画样本在初始轮训练中的即时效用）与Ripple项（建模样本影响如何经多轮全局更新逐步扩散）。这一建模揭示了联邦优化的递归依赖结构，实现了对跨轮次影响路径的显式追踪，从而将Shapley值从静态公平性理论拓展到动态影响归因机制。

本次研究成果的取得，是南华大学坚持人才强校战略，坚持学术型人才培养正确导向的必然结果。学校高度重视计算机学科的发展，修订科研学科评价与人才激励政策，为学校在人工智能领域科研成果不断突破提供了坚实的政策基础。这一突破标志着南华大学计算机学院在高质量科研与拔尖创新人才培养的“双轮驱动”战略上迈出了坚实的一步，为学校“双一流”建设贡献力量。