AAAI

A Comparison of Reinforcement Learning and Optimal Control Methods for Path Planning

强化学习与最优控制方法在路径规划中的比较

Qiang Le, Yaguang Yang, Isaac E. Weintraub

机构 * Department of Electrical and Computer Engineering, Hampton University（哈珀学院电气与计算机工程系） ； Air Warfare Directorate, Air Force Research Laboratory（空军研究实验室空战 Directorate） 纠错

AI总结 本文比较了强化学习与最优控制方法在路径规划中的应用，提出基于DDPG的方法能快速生成安全路径，但存在不可行区域，未来将改进奖励函数和探索其他方法。

Comments 8 pages, 9 figures, submitted to AAAI Conference

Uncovering and Aligning Anomalous Attention Heads to Defend Against NLP Backdoor Attacks

揭示并对齐异常注意力头以防御NLP后门攻击

Haotian Jin, Yang Li, Haihui Fan, Lin Shen, Xiangfang Li, Bo Li

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； State Key Laboratory of Cyberspace Security Defense（网络空间安全防御国家重点实验室） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） 纠错

AI总结 本文提出基于注意力相似性的后门检测方法，通过检测异常注意力头相似性来防御后门攻击，结合头部微调修复污染的注意力头，有效降低攻击成功率并保持下游任务性能。

Journal ref "Proceedings of the 40th AAAI Conference on Artificial Intelligence (AAAI 2026)

GLANCE: Global Actions in a Nutshell for Counterfactual Explainability

GLANCE：为因果可解释性提供全球动作的简洁方法

Loukas Kavouras, Eleni Psaroudaki, Konstantinos Tsopelas, Dimitrios Rontogiannis, Nikolaos Theologitis, Dimitris Sacharidis, Giorgos Giannopoulos, Dimitrios Tomaras, Kleopatra Markou, Dimitrios Gunopulos, Dimitris Fotakis, Ioannis Emiris

机构 * Institute for the Management of Information Systems, Athena Research Center（信息管理系统研究所，雅典研究中心） ； Department of Electrical and Computer Engineering, National Technical University of Athens（电气与计算机工程系，雅典技术大学） ； Max Planck Institute for Software Systems（软件系统马克斯·普朗克研究所） ； Université Libre de Bruxelles（布鲁塞尔自由大学） ； FARI Institute, Belgium（比利时FARI研究所） ； Department of Informatics, Athens University of Economics and Business（信息系，雅典经济与商业大学） ； Department of Informatics and Telecommunications, National and Kapodistrian University of Athens（信息与电信系，雅典国家与卡波迪斯蒂亚大学） ； Archimedes, Athena Research Center（阿基米德，雅典研究中心） 纠错

AI总结 本文提出GLANCE算法，通过聚类方法平衡有效性、成本和动作数量，提升因果可解释性。

Journal ref 2026 Proceedings of the 40th Annual AAAI Conference on Artificial Intelligence

Uncertainty Quantification in CNN Through the Bootstrap of Convex Neural Networks

通过凸神经网络的自助法进行CNN的不确定性量化

Hongfei Du, Emre Barut, Fang Jin

机构 * The George Washington University（乔治华盛顿大学） ； Amazon.com, Inc.（亚马逊公司） 纠错

AI总结 本文提出基于凸神经网络的自助法框架，用于提升CNN预测不确定性的理论一致性，通过减少计算负载和引入迁移学习方法，在多个图像数据集上表现更优。

Comments 9 pages, 1 figure. Accepted at AAAI 2021

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 35(13): 12078-12085, 2021

Designing Incident Reporting Systems for Harms from General-Purpose AI

为通用人工智能造成的伤害设计事件报告系统

Kevin Wei, Lennart Heim

AI总结 本文提出一个概念框架，探讨AI事件报告系统的制度设计，分析九个安全关键行业案例，提出美国AI事件报告的设计考量。

Comments Published in AAAI 2026. V2: Added Executive Summary, fixed hyperref line breaking issues

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence. 40, 44 (Mar. 2026), 38016-38029

AdaMCoT: Rethinking Cross-Lingual Factual Reasoning through Adaptive Multilingual Chain-of-Thought

AdaMCoT：通过自适应多语言链式思考重新思考跨语言事实推理

Weihua Zheng, Xin Huang, Zhengyuan Liu, Tarun Kumar Vangani, Bowei Zou, Xiyan Tao, Yuhao Wu, Ai Ti Aw, Nancy F. Chen, Roy Ka-Wei Lee

AI总结 本文提出AdaMCOT框架，通过动态路由中间'思考语言'中的推理过程提升多语言事实推理能力，实验表明在低资源语言中表现显著提升。

Comments AAAI 2026