AAAI

Where It Moves, It Matters: Referring Surgical Instrument Segmentation via Motion

在何处移动，它就重要：通过运动进行指称手术器械分割

Meng Wei, Kun Yuan, Shi Li, Yue Zhou, Long Bai, Nassir Navab, Hongliang Ren, Hong Joo Lee, Tom Vercauteren, Nicolas Padoy

AI总结 本文提出SurgRef框架，通过器械运动引导自由语言表达，实现手术视频中器械的鲁棒分割，克服遮挡和术语不熟悉问题。

Journal ref AAAI 2026

GraphVSSM: Graph Variational State-Space Model for Probabilistic Spatiotemporal Inference of Dynamic Exposure and Vulnerability for Regional Disaster Resilience Assessment

GraphVSSM：用于区域灾害韧性评估的图变分状态空间模型

Joshua Dimasaka, Christian Geiß, Emily So

AI总结 本文提出GraphVSSM模型，通过结合图深度学习、状态空间建模和变分推断，解决动态暴露和脆弱性评估中的时空推理问题，展示了在菲律宾、孟加拉国和塞拉利昂的案例应用，并发布了一个增强的全球静态数据集。

Comments Non-peer-reviewed Preprint | Keywords: graph state-space model, building exposure, physical vulnerability, weak supervision, probabilistic model, disaster resilience, risk audit | Code: https://github.com/riskaudit/GraphVSSM | Quezon City (Philippines) Dataset: https://doi.org/pzj2 | METEOR 2.5D Dataset, https://doi.org/pzq4, https://doi.org/pzrd | Khurushkul-Freetown Dataset: https://doi.org/pzkw

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(45): 38376-38384, 2026

AirDDE: Multifactor Neural Delay Differential Equations for Air Quality Forecasting

AirDDE：面向空气质量预测的多因素神经延迟微分方程

Binqing Wu, Zongjiang Shang, Shiyu Liu, Jianlong Huang, Jiahui Xu, Ling Chen

AI总结 本文提出AirDDE框架，通过引入记忆增强注意力模块和物理引导的延迟演化函数，结合多因素数据捕捉污染物传播延迟效应，实现在空气质量预测中的最优性能。

Comments AAAI 2026

Information Pathways in Online Science Communication: The Role of Platform Actors and News Media

在线科学传播中的信息路径：平台参与者与新闻媒体的作用

Alexandros Efstratiou, Giuseppe Russo, Luca Luceri

AI总结 研究分析了在线科学传播中平台参与者与新闻媒体的互动，揭示了信息流动的多层级路径及协调放大结构，揭示了科学传播动态的新见解。

Comments 16 pages, 15 figures. Accepted at The 20th International AAAI Conference on Web and Social Media (ICWSM 2026). Please cite accordingly

Rabble-Rousers in the New King's Court: Algorithmic Effects on Account Visibility in Pre-X Twitter

新国王法庭中的喧闹者：在预X推特中的算法对账号可见性的影响

Alexandros Efstratiou, Kayla Duskin, Kate Starbird, Emma Spiro

AI总结 本文研究了推特算法对账号可见性的影响，发现右倾账号在算法推荐中更受关注，而传统验证账号在算法流中曝光较少。

Comments 14 pages, 10 figures. Accepted at The 20th International AAAI Conference on Web and Social Media (ICWSM 2026). Please cite accordingly

Silenced Biases: The Dark Side LLMs Learned to Refuse

沉默的偏见：LLMs所学习到的拒绝的黑暗面

Rom Himelstein, Amit LeVi, Brit Youngmann, Yaniv Nemcovsky, Avi Mendelson

AI总结 本文提出Silenced Bias Benchmark，通过激活引导减少问答中的拒绝，揭示模型潜在的公平性问题，挑战传统公平评估方法。

Comments Accepted to The 40th Annual AAAI Conference on Artificial Intelligence - AI Alignment Track (Oral)

Conditional Distribution Learning for Graph Classification

图分类的条件分布学习

Jie Chen, Hua Mao, Chuanbin Liu, Zhu Wang, Xi Peng

机构 * College of Computer Science（计算机科学学院） ； Sichuan University（四川大学） ； Department of Computer and Information Sciences（计算机与信息科学系） ； Northumbria University（北安普顿大学） ； School of Economics and Management（经济管理学院） ； China University of Petroleum (Beijing)（中国石油大学（北京）） ； Law School（法学院） 纠错

AI总结 本文提出条件分布学习方法，通过对弱增强和强增强特征的条件分布对齐，实现图表示学习，以保留语义信息并提升图分类性能。

Comments 8 pages

Journal ref Proc. AAAI 2026, vol. 40, no. 24, pp. 20109-20117

Bridge Diffusion Model: Bridge Chinese Text-to-Image Diffusion Model with English Communities

桥扩散模型：将中文文本到图像扩散模型与英文社区相结合

Shanyuan Liu, Bo Cheng, Yuhang Ma, Liebucha Wu, Ao Ma, Xiaoyu Wu, Dawei Leng, Yuhui Yin

AI总结 本文提出桥扩散模型，通过端到端结构学习中文语义并保持潜在空间与英文文本到图像模型的兼容性，实现中英文语义融合生成。

Comments Accepted as Oral at AAAI 2025. 8 pages, 5 figures. Published in Proceedings of the 39th AAAI Conference on Artificial Intelligence. Code: https://github.com/360CVGroup/Bridge_Diffusion_Model

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 39(5), 5541-5549 (2025)

Adaptive Theory of Mind for LLM-based Multi-Agent Coordination

自适应理论 of mind 用于基于大语言模型的多智能体协调

Chunjiang Mu, Ya Zeng, Qiaosheng Zhang, Kun Shao, Chen Chu, Hao Guo, Danyang Jia, Zhen Wang, Shuyue Hu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

AI总结 本文提出自适应理论 of mind 机制，通过估计伙伴的理论 of mind 深度以提升多智能体协作效率，实验验证了该机制在多个任务中的有效性。

Comments Accepted by AAAI 2026

Learning Topology-Driven Multi-Subspace Fusion for Grassmannian Deep Network

学习拓扑驱动的多子空间融合用于Grassmannian深度网络

Xuan Yu, Tianyang Xu

AI总结 本文提出拓扑驱动的多子空间融合框架，通过拓扑收敛分析动态选择和加权任务相关子空间，提升Grassmannian上的子空间协作能力，实验显示在3D动作识别、EEG分类和图任务中表现优异。

Comments Accepted at AAAI 2026

Can LLMs Detect Their Confabulations? Estimating Reliability in Uncertainty-Aware Language Models

LLMs能否检测其编造？在不确定性感知语言模型中估计可靠性

Tianyi Zhou, Johanne Medina, Sanjay Chawla

机构 * KTH Royal Institute of Technology（皇家理工学院） ； QCRI, HBKU（哈马德 bin 玉素菲大学量子计算与人工智能研究所） 纠错

AI总结 研究探讨了上下文信息如何影响模型行为，并提出利用token级不确定性来指导内部表示聚合的可靠性估计方法，通过实验发现正确上下文能提升回答准确性，而误导性上下文常导致自信错误响应。

Comments Published at AAAI'26

CATFormer: When Continual Learning Meets Spiking Transformers With Dynamic Thresholds

CATFormer：当持续学习与具有动态阈值的脉冲变换器相遇

Vaishnavi Nagabhushana, Kartikay Agrawal, Ayon Borthakur

机构 * SustainAI Lab, MFSDS&AI（可持续人工智能实验室，多模态智能系统与人工智能） 纠错

AI总结 CATFormer通过动态阈值漏积分-放电神经元模型和门控动态头部选择机制，解决了持续学习中的灾难性遗忘问题，实现了高效能的类增量学习。

Comments Accepted for publication in the proceedings of the Neuro for AI & AI for Neuro Workshop at AAAI 2026 (PMLR)

Cheating Stereo Matching in Full-scale: Physical Adversarial Attack against Binocular Depth Estimation in Autonomous Driving

全尺寸场景中的欺骗立体匹配：针对自动驾驶双目深度估计的物理对抗攻击

Kangqiao Zhao, Shuo Huai, Xurui Song, Jun Luo

AI总结 本文提出一种基于纹理的物理对抗攻击方法，用于攻击自动驾驶中的立体匹配模型，通过3D物理对抗示例和新的3D立体匹配渲染模块，提升攻击的隐蔽性和有效性。

Comments AAAI 2026

Learning 2D Invariant Affordance Knowledge for 3D Affordance Grounding

学习2D不变的可供性知识以实现3D可供性定位

Xianqiang Gao, Pingrui Zhang, Delin Qu, Dong Wang, Zhigang Wang, Yan Ding, Bin Zhao

AI总结 本文提出MIFAG框架，通过多视角交互图像提取不变可供性知识，提升3D对象可供性定位的泛化能力。

Comments Accepted by AAAI 2025 (Oral)

Towards Model Extraction Attacks in GAN-Based Image Translation via Domain Shift Mitigation

面向GAN图像翻译的模型提取攻击中的领域偏移缓解

Di Mi, Yanjun Zhang, Leo Yu Zhang, Shengshan Hu, Qi Zhong, Haizhuan Yuan, Shirui Pan

AI总结 本文研究了GAN图像翻译任务中模型提取攻击的威胁，通过缓解领域偏移来改进攻击效果，实验表明新方法在多个图像翻译任务中表现优异，验证了攻击对实际API的严重性。

Comments Accepted by AAAI 2024

FIND: A Simple yet Effective Baseline for Diffusion-Generated Image Detection

FIND: 一种简单而有效的扩散生成图像检测基线

Jie Li, Yingying Feng, Chi Xie, Jie Hu, Lei Tan, Jiayi Ji

AI总结 本文提出FIND方法，通过在真实图像上添加高斯噪声并标记为合成图像，利用分布差异提升检测性能，比现有方法快126倍，提升11.7%。

Comments AAAI'26

Walking Further: Semantic-aware Multimodal Gait Recognition Under Long-Range Conditions

行走更远：基于语义的多模态步态识别在远距离条件下的应用

Zhiyang Lu, Wen Jiang, Tianren Wu, Zhichao Wang, Changwang Zhang, Siqi Shen, Ming Cheng

AI总结 本文提出LRGait基准和EMGaitNet框架，通过语义引导融合和跨模态对齐提升远距离步态识别性能，验证了方法的有效性。

Comments Accepted by AAAI 2026

Balancing Multimodal Domain Generalization via Gradient Modulation and Projection

通过梯度调节与投影平衡多模态领域泛化

Hongzhao Li, Guohao Shen, Shupan Li, Mingliang Xu, Muhammad Haris Khan

AI总结 本文提出GMP方法，通过解耦分类与领域不变目标的梯度，调节模态梯度基于语义和领域置信度，并动态调整梯度投影以平衡多模态领域泛化中的优化不均衡问题。

Comments AAAI 2026 Oral Accepted

GT2-GS: Geometry-aware Texture Transfer for Gaussian Splatting

GT2-GS：基于几何的纹理迁移用于高斯点扩散

Wenjie Liu, Zhongliang Liu, Junwei Shu, Changbo Wang, Yang Li

AI总结 本文提出GT2-GS框架，通过几何感知损失和自适应细粒度控制模块，提升高斯点扩散中纹理迁移的质量与可控性，使结果更符合人类视觉感知。

Comments Accepted to AAAI 2026

Post Training Quantization for Efficient Dataset Condensation

训练后量化用于高效数据集压缩

Linh-Tam Tran, Sung-Ho Bae

AI总结 本文提出基于补丁的训练后量化方法，通过局部量化和聚类减少存储成本，提升压缩数据的表示质量，实验显示在极端压缩下测试准确率提升近一倍。

Comments AAAI-2026 (Oral)

Distilling Deep Reinforcement Learning into Interpretable Fuzzy Rules: An Explainable AI Framework

将深度强化学习转化为可解释的模糊规则：一个可解释人工智能框架

Sanup S. Araballi, Simon Khan, Chilukuri K. Mohan

机构 * Dept. of EECS, Syracuse University, NY 13244, USA（电子工程与计算机科学系， Syracuse大学，纽约州，13244，美国） ； Air Force Research Laboratory, Rome, NY 13441, USA（空军研究实验室，罗马，纽约州，13441，美国） 纠错

AI总结 本文提出一种分层Takagi-Sugeno-Kang模糊分类器系统，通过K-means聚类和岭回归将神经策略转化为可读的IF-THEN规则，并引入三个量化指标评估解释性。

Comments Accepted to AAAI 2026 Spring Symposium Series

ESG-Bench: Benchmarking Long-Context ESG Reports for Hallucination Mitigation

ESG-Bench: 对长上下文 ESG 报告进行基准测试以缓解幻觉

Siqi Sun, Ben Peng Wu, Mali Jin, Peizhen Bai, Hanpei Zhang, Xingyi Song

AI总结 本文提出 ESG-Bench 数据集，用于评估大语言模型在解析 ESG 报告和减少幻觉方面的能力，通过人工标注的 QA 对和细粒度标签，系统评估模型提取和推理 ESG 内容的能力。

Comments To be published in the AAAI 2026 proceedings

Empowering Semantic-Sensitive Underwater Image Enhancement with VLM

通过VLM赋能语义敏感的水下图像增强

Guodong Fan, Shengning Zhou, Genji Yuan, Huiyu Li, Jingchun Zhou, Jinjiang Li

AI总结 本文提出利用视觉语言模型增强水下图像增强的语义敏感能力，通过生成文本描述并生成空间语义指导图，提升图像重建的语义聚焦度，实验验证其在感知质量和检测分割任务中的有效性。

Comments Accepted as an Oral presentation at AAAI 2026

From Woofs to Words: Towards Intelligent Robotic Guide Dogs with Verbal Communication

从Woofs到Words：迈向具备言语交流的智能机器人导盲犬

Yohei Hayamizu, David DeFazio, Hrudayangam Mehta, Zainab Altaweel, Jacqueline Choe, Chao Lin, Jake Juettner, Furui Xiao, Jeremy Blackburn, Shiqi Zhang

AI总结 本文提出了一种新型对话系统，通过LLM实现导航计划和场景的言语化，以提升导盲犬在动态环境中的空间感知与人类操作者的协作决策能力。

Comments 10 pages, 6 figures, AAAI 2026

Denoising Diffusion Variational Inference: Diffusion Models as Expressive Variational Posteriors

去噪扩散变分推断：将扩散模型作为表达性变分后验

Wasu Top Piriyakulkij, Yingheng Wang, Volodymyr Kuleshov

AI总结 本文提出DDVI，一种基于扩散模型的黑盒变分推断算法，通过迭代优化潜在空间后验，提升深度潜在变量模型的推理与学习性能。

Comments published at AAAI 2025; the first two authors contribute equally to this work; code available at https://github.com/topwasu/DDVI

AdaFuse: Accelerating Dynamic Adapter Inference via Token-Level Pre-Gating and Fused Kernel Optimization

AdaFuse: 通过令牌级预门控和融合内核优化加速动态适配器推断

Qiyang Li, Rui Kong, Yuchen Li, Hengyi Cai, Shuaiqiang Wang, Linghe Kong, Guihai Chen, Dawei Yin

AI总结 AdaFuse通过令牌级预门控和融合内核优化，显著降低动态适配器推断延迟，提升LLM的推理效率。

Comments Accepted to AAAI 2026. arXiv admin note: substantial text overlap with arXiv:2405.17741

Attention Gathers, MLPs Compose: A Causal Analysis of an Action-Outcome Circuit in VideoViT

注意力汇聚，MLP组成：视频ViT中一个动作-结果回路的因果分析

Sai V R Chereddy

机构 * Sai V R Chereddy 纠错

AI总结 本文通过因果分析揭示视频ViT中动作-结果回路的机理，发现注意力头负责收集证据，MLP块负责生成成功信号，展示了模型处理人类动作结果的核心计算模式。

Comments Accepted at the AAAI 2026 Workshop on Deployable AI (DAI). Non-archival. Code and custom dataset available upon request

MedEyes: Learning Dynamic Visual Focus for Medical Progressive Diagnosis

MedEyes: 学习动态视觉聚焦以进行医学逐步诊断

Chunzheng Zhu, Yangfang Lin, Shen Chen, Yijun Wang, Jianxin Lin

AI总结 MedEyes通过动态视觉聚焦和双模式探索策略，提升医学逐步诊断的准确性与临床相关性。

Comments AAAI 2026, Medical Chain-of-Thought (CoT), Reinforcement Learning with Verifiable Rewards (RLVR), Multimodal Grounded Reasoning

Task Aware Modulation Using Representation Learning for Upsaling of Terrestrial Carbon Fluxes

基于表征学习的任务感知调制用于陆地碳通量的放大

Aleksei Rozanov, Arvind Renganathan, Vipin Kumar

AI总结 TAM-RL通过结合表征学习与物理约束，提升陆地碳通量放大预测的精度和鲁棒性。

Comments Accepted to the KGML Bridge at AAAI 2026 (non-archival)

On the Learning Dynamics of Two-layer Linear Networks with Label Noise SGD

关于带有标签噪声的两层线性网络学习动态的研究

Tongcheng Zhang, Zhanpeng Zhou, Mingze Wang, Andi Han, Wei Huang, Taiji Suzuki, Junchi Yan

机构 * Sch. of Computer Science and Zhiyuan College, Shanghai Jiao Tong University（上海交通大学计算机科学学院和智远学院） ； Peking University（北京大学） ； University of Sydney（悉尼大学） ； RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能项目中心） ； The Institute of Statistical Mathematics（统计数学研究所） ； The University of Tokyo（东京大学） 纠错

AI总结 研究揭示了带有标签噪声的两层线性网络学习动态的两阶段行为，展示了标签噪声在促进模型从懒惰范式向丰富范式过渡中的关键作用，并扩展至更广泛的优化算法。

Comments Accepted to AAAI 2026(oral)