AAAI

SpecQuant: Spectral Decomposition and Adaptive Truncation for Ultra-Low-Bit LLMs Quantization

SpecQuant：基于频域分解和自适应截断的超低比特LLM量化

Zhixiong Zhao, Fangxin Liu, Junjie Wang, Chenyang Guan, Zongwu Wang, Li Jiang, Haibing Guan

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文提出SpecQuant框架，通过频域分解和自适应截断实现超低比特LLM量化，提升模型压缩效率与精度，实现4比特量化，准确率损失仅1.5%，推理速度提升2倍，内存使用降低3倍。

Comments Accepted at AAAI 2026

Characterizing AI Manipulation Risks in Brazilian YouTube Climate Discourse

刻画巴西YouTube气候变化 discourse 中的AI操纵风险

Wenchao Dong, Marcelo S. Locatelli, Virgilio Almeida, Meeyoung Cha

AI总结 本研究通过三个案例分析，探讨了心理内容特征如何驱动观众参与，影响内容流行度，并为生成式语言模型设计说服性合成活动提供见解，同时发布了一个包含226万条评论的大型公开数据集。

Comments Published at the Special Track on AI for Social Impact at AAAI 2026

MSG Score: Automated Video Verification for Reliable Multi-Scene Generation

MSG Score: 多场景生成的自动化视频验证

Daewon Yoon, Hyeongseok Lee, Wonsik Shin, Sangyu Han, Nojun Kwak

机构 * Seoul National University（首尔大学） ； Samsung Electronics（三星电子） 纠错

AI总结 本文提出MSG Score用于评估长视频生成的叙事和视觉一致性，结合Implicit Insight Distillation解决评估与推理速度的平衡，实现可靠且可扩展的视频生成。

Comments 8 pages, 5 figures, 1 table, Accepted AAAI 2026 CVM workshop

Tracking Adaptation Time: Metrics for Temporal Distribution Shift

追踪适应时间：时间分布偏移的度量标准

Lorenzo Iovine, Giacomo Ziffer, Emanuele Della Valle

机构 * Politecnico di Milano, DEIB（米兰理工大学，DEIB） 纠错

AI总结 本文提出三种互补指标，区分模型适应与数据固有难度，揭示时间分布偏移下的适应模式，提升对动态环境鲁棒性的理解。

Comments Accepted at CEUR-WS Vol. 4183 (Streaming Continual Learning Bridge at AAAI 2026)

MARL-GPT: Foundation Model for Multi-Agent Reinforcement Learning

MARL-GPT：多智能体强化学习的基础模型

Maria Nesterova, Mikhail Kolosov, Anton Andreychuk, Egor Cherepanov, Oleg Bulichev, Alexey Kovalev, Konstantin Yakovlev, Aleksandr Panov, Alexey Skrynnik

机构 * MIRAI \& Innopolis University Moscow Russia ； MIRAI \& Innopolis University 纠错

AI总结 本文提出MARL-GPT，一种基于Transformer的多任务模型，能通过离线强化学习在不同多智能体环境中高效学习，无需任务特定调优，实验证明其在多个挑战性任务中表现优异。

Comments Accepted at AAMAS 2026 (AAAI Track)

From Pixels to Personas: Tracking the Evolution of Anime Characters

从像素到人物：动漫角色演变的追踪

Rongze Liu, Jiaxin Pei, Jian Zhu

AI总结 研究通过大规模多模态数据集分析动漫角色演变，结合LLM提取的性格特征与视觉特征，揭示观众群体从儿童向青少年过渡，角色设计呈现萌系化趋势，视觉信号比性格特征更主导观众偏好。

Comments Accepted at the 20th International AAAI Conference on Web and Social Media (ICWSM 2026)

Toward Virtuous Reinforcement Learning: A Critique and Roadmap

迈向道德强化学习：一种批评与路线图

Majid Ghasemi, Mark Crowley

机构 * University of Waterloo（滑铁卢大学） 纠错

AI总结 本文批评了强化学习中常见的伦理模式，提出以美德为中心的替代方法，强调规则导向方法和单一目标强化学习的局限性，并提出通过社会学习、多目标优化、正则化和伦理传统操作化来构建道德强化学习的框架。

Comments Accepted as a workshop paper at Machine Ethics: From Formal Methods to Emergent Machine Ethics workshop at the AAAI 2026 Conference

Enhancing Robustness of Offline Reinforcement Learning Under Data Corruption via Sharpness-Aware Minimization

通过尖锐意识最小化增强对抗数据腐蚀的离线强化学习鲁棒性

Le Xu, Jiayu Chen

AI总结 本文提出通过尖锐意识最小化提升离线强化学习在数据腐蚀下的鲁棒性，通过整合SAM优化器改进IQL和RIQL算法，在D4RL基准测试中显著提升性能。

Comments Accepted as an Oral Presentation at the AAAI 2026 Student Abstract and Poster Program (SAPP)

CharBench: Evaluating the Role of Tokenization in Character-Level Tasks

CharBench：评估字符级任务中分词作用

Omri Uzan, Yuval Pinter

AI总结 CharBench通过大规模字符级任务评估，揭示了分词对字符级任务性能的影响，发现tokenization与正确性弱相关，而词长和字符数更关键，且长token会掩盖字符位置信息。

Comments AAAI-26

VarDrop: Enhancing Training Efficiency by Reducing Variate Redundancy in Periodic Time Series Forecasting

VarDrop：通过减少周期时间序列预测中的变量子冗余来提升训练效率

Junhyeok Kang, Yooju Shin, Jae-Gil Lee

AI总结 VarDrop通过减少周期时间序列预测中的变量子冗余，提升训练效率。该方法利用k-dominant频率哈希进行分组，并通过分层抽样选择代表性token，从而降低计算成本。

Comments Published in AAAI 2025

HGATSolver: A Heterogeneous Graph Attention Solver for Fluid-Structure Interaction

HGATSolver: 一种用于流固耦合的异构图注意力求解器

Qin-Yi Zhang, Hong Wang, Siyao Liu, Haichuan Lin, Linying Cao, Xiao-Hu Zhou, Chen Chen, Shuangyi Wang, Zeng-Guang Hou

AI总结 本文提出HGATSolver，通过异构图建模流固耦合系统，采用专用消息传递机制和物理条件门控机制，实现稳定求解。

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(2), 1534-1542 (2026)

AI-BAAM: AI-Driven Bank Statement Analytics as Alternative Data for Malaysian MSME Credit Scoring

AI-BAAM：基于人工智能的银行对账单分析作为马来西亚中小微企业信用评分的替代数据

Chun Chet Ng, Zhen Hao Chu, Jia Yu Lim, Yin Yin Boon, Wei Zeng Low, Jin Khye Tan

机构 * AI Lens 纠错

AI总结 本文提出利用银行对账单数据进行信用评估，通过现金流量为基础的流程提升马来西亚中小微企业金融包容性，实验证明结合银行交易特征的模型在验证集上达到AUROC 0.806，比仅使用申请信息的模型提升24.6%。

Comments Accepted for oral presentation at ACM ICAIF 2025 (FinRem Workshop). Accepted for poster presentations at AAAI 2026 (Agentic AI in Financial Services Workshop) and ICLR 2026 (Advances in Financial AI Workshop)

HandMCM: Multi-modal Point Cloud-based Correspondence State Space Model for 3D Hand Pose Estimation

HandMCM：基于多模态点云的对应状态空间模型用于3D手姿态估计

Wencan Cheng, Gim Hee Lee

AI总结 本文提出HandMCM，通过结合局部信息注入/过滤模块和对应建模，利用状态空间模型提升3D手姿态估计的鲁棒性和精度，实验表明其在严重遮挡场景中优于现有方法。

Comments AAAI accepted

Can Protective Watermarking Safeguard the Copyright of 3D Gaussian Splatting?

水印能否保护3D高斯散射的版权？

Wenkai Huang, Yijia Guo, Gaolei Li, Lei Ma, Hang Zhang, Liwen Hu, Jiazheng Wang, Jianhua Li, Tiejun Huang

AI总结 本文首次系统研究并验证了3D高斯散射水印框架的潜在漏洞，提出GSPure框架有效去除水印并保持场景完整性，实验表明其在水印净化性能上优于现有方法。

Comments Accepted by AAAI 2026

Overcoming the "Impracticality" of RAG: Proposing a Real-World Benchmark and Multi-Dimensional Diagnostic Framework

克服RAG的“不实际性”：提出一个现实世界基准和多维诊断框架

Kenichirou Narita, Siqi Peng, Taku Fukui, Moyuru Yamada, Satoshi Munakata, Satoru Takahashi

AI总结 本文提出一个现实世界RAG基准和多维诊断框架，以解决企业环境中RAG系统评估的复杂挑战，提升系统可靠性。

Comments 8 pages, 3 figures. Accepted at AAAI 2026 Workshop

CANDI: Curated Test-Time Adaptation for Multivariate Time-Series Anomaly Detection Under Distribution Shift

CANDI：为分布偏移下的多变量时间序列异常检测设计的精选测试时适应

HyunGi Kim, Jisoo Mok, Hyungyu Lee, Juhyeon Shin, Sungroh Yoon

AI总结 CANDI提出了一种新的测试时适应框架，通过精选潜在的假阳性样本并保留预训练知识，提升多变量时间序列异常检测在分布偏移下的性能，实验显示其在AUROC上提升达14%。

Comments AAAI 2026

A Pressure-Based Diffusion Model for Influence Maximization on Social Networks

基于压力的扩散模型用于社交网络上的影响最大化

Curt Stutsman, Eliot W. Robson, Abhishek K. Umrawal

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Narmi Inc.（Narmi公司） 纠错

AI总结 本文提出压力阈值模型（PT）用于动态模拟社交网络中的影响传播，扩展了线性阈值模型（LT），并通过实验表明在密集网络中压力效应更显著，影响最大化结果与LT模型不同。

Comments 13 pages, 8 figures, and 2 tables; Accepted for presentation at the 20th International AAAI Conference on Web and Social Media (ICWSM 2026)

DW-DGAT: Dynamically Weighted Dual Graph Attention Network for Neurodegenerative Disease Diagnosis

DW-DGAT：动态加权双图注意力网络用于神经退行性疾病诊断

Chengjia Liang, Zhenjiong Wang, Chao Chen, Ruizhi Zhang, Songxi Liang, Hai Xie, Haijun Lei, Zhongwei Huang

AI总结 本文提出DW-DGAT网络，通过融合多指标数据结构、双图注意力架构和类权重生成机制，解决神经退行性疾病早期诊断中的高维数据、异构数据和类别不平衡问题。

Comments The exended version of an AAAI-2026 accepted poster paper

Cross-modal Proxy Evolving for OOD Detection with Vision-Language Models

跨模态代理演化用于领域外检测与视觉-语言模型

Hao Tang, Yu Liu, Shuanglin Yan, Fei Shen, Shengfeng He, Jing Qin

AI总结 本文提出CoEvo框架，通过双向样本条件适应文本和视觉代理，动态挖掘上下文文本负样本并迭代优化视觉代理，提升跨模态对齐和领域外检测鲁棒性。

Comments Accepted by AAAI 2026

Multi-agent In-context Coordination via Decentralized Memory Retrieval

通过去中心化记忆检索实现多智能体上下文协调

Tao Jiang, Zichuan Lin, Lihe Li, Yi-Chen Li, Cong Guan, Lei Yuan, Zongzhang Zhang, Yang Yu, Deheng Ye

机构 * National Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Tencent（腾讯） 纠错

AI总结 本文提出MAICC方法，通过去中心化记忆检索提升多智能体强化学习中任务协调效率，实验表明其在Level-Based Foraging和SMAC等基准上表现更优。

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, Vol. 40, No. 27, pp. 22363-22371, 2026

Beyond Metadata: Multimodal, Policy-Aware Detection of YouTube Scam Videos

超越元数据：多模态、政策感知的YouTube诈骗视频检测

Ummay Kulsum, Aafaq Sabir, Abhinaya S. B., Anupam Das

AI总结 本文提出多模态、政策感知的YouTube诈骗视频检测方法，通过结合文本、音频和视频信息，提升检测性能和鲁棒性，同时提供可解释的政策依据。

Comments Accepted at AAAI ICWSM 2026

How Does Alignment Enhance LLMs' Multilingual Capabilities? A Language Neurons Perspective

对齐如何增强大语言模型的多语言能力？一种语言神经元视角

Shimao Zhang, Zhejian Lai, Xiang Liu, Shuaijie She, Xiao Liu, Yeyun Gong, Shujian Huang, Jiajun Chen

AI总结 本文从语言神经元角度探讨对齐如何提升大语言模型的多语言能力，提出三类神经元分类方法，并分析多语言推理的四个阶段。

Comments AAAI 2026 (Oral)

Mitigating Content Effects on Reasoning in Language Models through Fine-Grained Activation Steering

通过细粒度激活引导缓解语言模型中的内容影响

Marco Valentino, Geonhee Kim, Dhairya Dalal, Zhixue Zhao, André Freitas

AI总结 本文通过激活引导技术缓解语言模型的推理偏见，发现对比引导方法能有效减少内容偏见，提升形式推理准确性，且在不同任务中具有鲁棒性。

Comments AAAI 2026

Explaining the Reputational Risks of AI-Mediated Communication: Messages labeled as AI-assisted are viewed as less diagnostic of the sender's moral character

解释人工智能中介通信的声誉风险：被标记为人工智能辅助的消息被视为更不反映发送者的道德特征

Pranav Khadpe, Kimi Wenzel, George Loewenstein, Geoff Kaufman

AI总结 研究探讨AI辅助标签如何削弱沟通中发送者道德特征的信号，通过两个研究发现AI标签使发送者显得不那么温暖或冷酷，支持信号诊断性解释。

Comments Proceedings of the Eighth AAAI/ACM Conference on AI, Ethics, and Society (AIES 2025)

CausalPulse: An Industrial-Grade Neurosymbolic Multi-Agent Copilot for Causal Diagnostics in Smart Manufacturing

CausalPulse：一种工业级神经符号多智能体协作者，用于智能制造中的因果诊断

Chathurangi Shyalika, Utkarshani Jaimini, Cory Henson, Amit Sheth

AI总结 CausalPulse通过神经符号架构整合异常检测、因果发现和推理，实现智能制造中的因果诊断，展现高可靠性和可扩展性。

Comments 10 pages, 8 figures, 4 tables, Accepted at AAAI-MAKE 2026 (AAAI Spring Symposium on Machine Learning and Knowledge Engineering for Knowledge-Grounded Semantic Agents)

AdaptDiff: Adaptive Guidance in Diffusion Models for Diverse and Identity-Consistent Face Synthesis (Student Abstract)

AdaptDiff: 差分模型中适应性引导以生成多样且身份一致的面部合成

Eduarda Caldeira, Tahar Chettaoui, Naser Damer, Fadi Boutros

AI总结 本文提出动态加权方案，通过适应性引导抑制无关属性，提升生成面部的一致性和多样性。

Comments Accepted at AAAI 2026 Student Abstract and Poster Program

Drift Estimation for Diffusion Processes Using Neural Networks Based on Discretely Observed Independent Paths

基于离散观测独立路径的扩散过程漂移估计

Yuzhen Zhao, Yating Liu, Marc Hoffmann

AI总结 本文提出基于神经网络的非参数估计方法，用于估计扩散过程中在紧致域上的漂移函数，通过高频离散观测获得收敛率，并在高维情况下展示出优于B-样条方法的性能。

Comments Accepted for an oral presentation at the 40th Annual AAAI Conference on Artificial Intelligence (AAAI-26)

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 2026, 40(34), 28778-28785

NeoNet: An End-to-End 3D MRI-Based Deep Learning Framework for Non-Invasive Prediction of Perineural Invasion via Generation-Driven Classification

NeoNet：一种端到端的3D MRI基于深度学习框架，用于通过生成驱动分类非侵袭性预测神经浸润

Youngung Han, Minkyung Cha, Kyeonghun Kim, Induk Um, Myeongbin Sho, Joo Young Bae, Jaewon Jung, Jung Hyeok Park, Seojun Lee, Nam-Joon Kim, Woo Kyoung Jeong, Won Jae Lee, Pa Hong, Ken Ying-Kai Liao, Hyuk-Jae Lee

机构 * Seoul National University（首尔大学） ； OUTTA ； Chung-Ang University（中央大学） ； Sookmyung Women's University（淑明女子大学） ； Samsung Medical Center, Sungkyunkwan University School of Medicine（三星医疗中心，成均馆大学医学院） ； Samsung Changwon Hospital, Sungkyunkwan University School of Medicine（三星昌原医院，成均馆大学医学院） ； NVIDIA AI Technology Center（英伟达人工智能技术中心） 纠错

AI总结 本文提出NeoNet框架，通过生成驱动分类方法预测胆管癌神经浸润，解决缺乏明确影像学标准的问题，实现最高AUC 0.7903的性能。

Comments 15 pages, 5 figures. Accepted for oral presentation at W3PHIAI Workshop, AAAI 2026

Federated Inference for Heterogeneous LLM Communication and Collaboration

联邦推断用于异构大语言模型通信与协作

Zihan Chen, Zeshen Li, Howard H. Yang, Tony Q. S. Quek, Jihong Park

AI总结 本文提出FedRefine框架，解决多LLM协作中的性能、隐私和异构性问题，通过隐私保护的KV缓存通信提升设备端推断能力。

Comments 6 pages. Accepted by AAAI 2026 Workshop on ML4Wireless

$D^2Prune$: Sparsifying Large Language Models via Dual Taylor Expansion and Attention Distribution Awareness

$D^2Prune$：通过双重泰勒展开和注意力分布意识对大型语言模型进行稀疏化

Lang Xiong, Ning Liu, Ao Ren, Yuheng Bai, Haining Fang, BinYan Zhang, Zhe Jiang, Yujuan Tan, Duo Liu

AI总结 本文提出$D^2Prune$方法，通过双重泰勒展开和注意力分布意识，解决现有剪枝方法在激活分布偏移和注意力模块长尾分布方面的不足，提升模型压缩效果。

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(32), 27171-27179, 2026