AAAI

RelaCtrl: Relevance-Guided Efficient Control for Diffusion Transformers

RelaCtrl: 为扩散变换器实现相关性引导的高效控制

Ke Cao, Jing Wang, Ao Ma, Jiasong Feng, Xuanhua He, Run Ling, Haowei Liu, Jian Lu, Wei Feng, Haozhe Wang, Hongjuan Pei, Yihua Shao, Zhanjie Zhang, Jie Zhang

AI总结 RelaCtrl通过相关性引导的方法优化扩散变换器的控制信号整合，减少参数和计算开销，提升生成效率。

Comments AAAI 2026

MUG: Meta-path-aware Universal Heterogeneous Graph Pre-Training

MUG: 一种面向元路径的通用异构图预训练方法

Lianze Shan, Jitao Zhao, Dongxiao He, Yongqi Huang, Zhiyong Feng, Weixiong Zhang

AI总结 MUG提出一种面向元路径的通用异构图预训练方法，通过统一表示空间和共享编码器解决异构图训练中的挑战。

Comments Accepted by AAAI-26, 9 pages, 3 figures

Easy to Learn, Yet Hard to Forget: Towards Robust Unlearning Under Bias

易于学习却难以遗忘：朝着具有偏见的鲁棒性删除方向

JuneHyoung Kwon, MiHyeon Kim, Eunju Lee, Yoonji Lee, Seunghoon Lee, YoungBin Kim

AI总结 本文提出CUPID框架，通过解耦因果与偏见路径，有效解决偏见模型中的捷径删除问题，提升删除性能。

Comments Accepted to AAAI 2026

LLM2CLIP: Powerful Language Model Unlocks Richer Cross-Modality Representation

LLM2CLIP: 强大语言模型解锁更丰富的跨模态表示

Weiquan Huang, Aoqi Wu, Yifan Yang, Xufang Luo, Yuqing Yang, Usman Naseem, Chunyu Wang, Chunyu Wang, Qi Dai, Xiyang Dai, Dongdong Chen, Chong Luo, Lili Qiu, Liang Hu

AI总结 LLM2CLIP通过将强大语言模型与CLIP结合，提升跨模态表示能力，实现多种下游任务的性能改进。

Journal ref AAAI 2026

Narcotweets: Social Media in Wartime

Narcotweets: 战时社交媒体

Andrés Monroy-Hernández, Emre Kiciman, danah boyd, Scott Counts

AI总结 本文研究了战时社交媒体中普通公民如何利用微博客平台参与新闻传播，分析了信息 curator 的作用及政府与毒品集团之间的紧张关系。

Comments In Proceedings of the 2012 International AAAI Conference on Weblogs and Social Media

Fair Model-based Clustering

公平的基于模型的聚类

Jinwon Park, Kunwoong Kim, Jihu Lee, Yongdai Kim

AI总结 本文提出了一种基于有限混合模型的公平聚类算法FMC，解决了传统方法参数数量与样本大小成比例的问题，实现了可扩展的公平聚类。

Comments Accepted by AAAI 2026 (Main Track, Oral presentation)

AHAN: Asymmetric Hierarchical Attention Network for Identical Twin Face Verification

AHAN：用于相同双胞胎面部验证的非对称层次注意力网络

Hoang-Nhat Nguyen

AI总结 AHAN通过非对称层次注意力网络设计，利用多粒度面部分析和不对称特征学习，提升相同双胞胎面部验证的准确率至92.3%。

Comments Accepted to AAAI 2026

SERL: Self-Examining Reinforcement Learning on Open-Domain

SERL：面向开放域的自我审查强化学习

Weixuan Ou, Yanzhao Zheng, Shuoshuo Sun, Wei Zhang, Baohua Dong, Hangcheng Zhu, Ruohui Huang, Gang Yu, Pengwei Yan, Yifan Qiao

AI总结 SERL通过自我审查机制提升开放域任务中的LLM性能，无需外部信号，实现演员与裁判的协同改进。

Comments Accepted by the 40th AAAI Conference on Artificial Intelligence (AAAI 2026)

Align When They Want, Complement When They Need! Human-Centered Ensembles for Adaptive Human-AI Collaboration

在需要时对齐，在想要时补充！面向适应性人机协作的人本集成

Hasan Amin, Ming Yin, Rajiv Khanna

AI总结 本文提出了一种人本适应性AI集成，通过上下文提示在对齐与互补模型间切换，以提升人机协作的性能与信任。

Comments AAAI 2026

FineVAU: A Novel Human-Aligned Benchmark for Fine-Grained Video Anomaly Understanding

FineVAU: 一种新的细粒度视频异常理解对齐基准

João Pereira, Vasco Lopes, João Neves, David Semedo

AI总结 FineVAU提出了一种新的视频异常理解基准，通过引入FVScore和FineW3数据集，提升对异常事件的细粒度和领域特定理解，解决现有评估方法与人类感知不一致的问题。

Comments Accepted at AAAI 2026

GOAL: Geometrically Optimal Alignment for Continual Generalized Category Discovery

GOAL: 为持续泛化类别发现的几何最优对齐

Jizhou Han, Chenhao Ding, SongLin Dong, Yuhang He, Shaokun Wang, Qiang Wang, Yihong Gong

AI总结 GOAL通过引入固定ETF分类器，实现持续泛化类别发现中的几何最优对齐，有效减少遗忘并提升新类别发现

Comments Accept by AAAI 2026

TextShield-R1: Reinforced Reasoning for Tampered Text Detection

TextShield-R1: 用于篡改文本检测的强化推理

Chenfan Qu, Yiwu Zhong, Jian Liu, Xuekang Zhu, Bohan Yu, Lianwen Jin

AI总结 TextShield-R1通过强化学习和OCR校正技术，提升篡改文本检测的准确性和鲁棒性，解决现有方法在微特征识别和跨语言评估中的不足。

Comments AAAI 2026

BLM-Guard: Explainable Multimodal Ad Moderation with Chain-of-Thought and Policy-Aligned Rewards

BLM-Guard：基于推理和政策对齐奖励的可解释多模态广告审核

Yiran Yang, Zhaowei Liu, Yuan Yuan, Yukun Song, Xiong Ma, Yinghao Song, Xiangji Zeng, Lu Sun, Yulu Wang, Hai Zhou, Shuai Cui, Zhaohan Gong, Jiefei Zhang

机构 * Kuaishou Technology（快手科技） 纠错

AI总结 BLM-Guard通过融合链式推理和政策对齐奖励，实现多模态广告的可解释性审核，提升审核的准确性与鲁棒性。

Comments 7 pages, 3 figures. To appear in AAAI 2026

Scalable Multi-Objective and Meta Reinforcement Learning via Gradient Estimation

可扩展的多目标与元强化学习通过梯度估计

Zhenshuo Zhang, Minxuan Duan, Youran Ye, Hongyang R. Zhang

AI总结 本文提出PolicyGradEx算法，通过梯度估计实现多目标强化学习的高效优化，实验表明其在机器人控制和Meta-World基准测试中优于现有方法，效率提升达26倍。

Comments 25 pages. Appeared in AAAI 2026

Calibrating Large Language Models with Sample Consistency

通过样本一致性校准大型语言模型

Qing Lyu, Kumar Shridhar, Chaitanya Malaviya, Li Zhang, Yanai Elazar, Niket Tandon, Marianna Apidianaki, Mrinmaya Sachan, Chris Callison-Burch

机构 * University of Pennsylvania（宾夕法尼亚大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院） 纠错

AI总结 通过样本一致性方法提升大型语言模型的校准效果，改进其预测置信度评估和性能表现。

Comments AAAI 2024

Scientific Knowledge-Guided Machine Learning for Vessel Power Prediction: A Comparative Study

科学知识引导的机器学习用于船舶功率预测：一项比较研究

Orfeas Bourchas, George Papalambrou

AI总结 本研究提出一种结合物理知识与数据驱动的混合模型，用于提高船舶功率预测的准确性，通过残差学习方法在稀疏数据区域表现更优。

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

Rethinking Flow and Diffusion Bridge Models for Speech Enhancement

重新思考流与扩散桥模型用于语音增强

Dahan Wang, Jun Gao, Tong Lei, Yuxiang Hu, Changbao Zhu, Kai Chen, Jing Lu

AI总结 本文提出了一种统一流与扩散桥模型的框架，通过改进的概率路径设计和预测范式元素，提升了语音增强的性能和效率。

Comments Accepted by the 40th AAAI Conference on Artificial Intelligence (AAAI-26)

Vichara: Appellate Judgment Prediction and Explanation for the Indian Judicial System

Vichara：印度司法系统上诉判决预测与解释

Pavithra PM Nair, Preethu Rose Anish

AI总结 Vichara通过结构化方法预测和解释印度司法系统中的上诉判决，利用大型语言模型在两个数据集上取得优异表现，尤其在可解释性方面表现突出。

Journal ref AI and Law @ AAAI 2026

DEIG: Detail-Enhanced Instance Generation with Fine-Grained Semantic Control

DEIG：细节增强的实例生成与细粒度语义控制

Shiyan Du, Conghan Yue, Xinyu Cheng, Dongyu Zhang

AI总结 DEIG通过细粒度语义控制生成多实例场景，提升空间一致性与语义准确性。

Comments Accepted by AAAI 2026

Memory-Based Advantage Shaping for LLM-Guided Reinforcement Learning

基于记忆的优势塑造用于LLM引导的强化学习

Narjes Nourzad, Carlee Joe-Wong

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出一种基于记忆的优势塑造方法，通过构建记忆图来提升LLM引导强化学习的样本效率和学习速度，减少对连续LLM监督的依赖。

Comments Association for the Advancement of Artificial Intelligence (AAAI)

Share Your Attention: Transformer Weight Sharing via Matrix-based Dictionary Learning

分享你的注意力：通过矩阵基字典学习实现变换器权重共享

Magauiya Zhussip, Dmitriy Shopkhoev, Ammar Ali, Stamatios Lefkimmiatis

机构 * MTS AI（MTS人工智能公司） ； ITMO University（ITMO大学） 纠错

AI总结 MASA通过矩阵基字典学习实现变换器层间权重共享，减少66.7%的参数同时保持性能，适用于大规模语言模型和视觉变换器。

Comments This work has been accepted and presented at AAAI 2026 in Singapore

Be Wary of Your Time Series Preprocessing

警惕你的时间序列预处理

Sofiane Ennadir, Tianze Wang, Oleg Smirnov, Sahar Asadi, Lele Cao

机构 * King AI Labs, Microsoft Gaming（微软游戏部门人工智能实验室） 纠错

AI总结 本文首次分析了不同归一化策略对基于Transformer的时间序列模型表达能力的影响，揭示了归一化选择对模型性能的关键作用。

Comments Accepted at the AI4TS workshop at AAAI-26

Theory of Mind for Explainable Human-Robot Interaction

可解释人机交互中的理论思维

Marie S. Bauer, Julia Gachot, Matthias Kerzel, Cornelius Weber, Stefan Wermter

AI总结 本文提出将理论思维视为可解释人工智能的一种形式，通过XAI框架评估其在人机交互中的应用，并强调以用户为中心的解释方法。

Comments Accepted at the workshop on Theory of Mind for Artificial Intelligence (ToM4AI) at AAAI 2026

Journal ref Theory of Mind for Artificial Intelligence (ToM4AI) at AAAI 2026

HiVAE: Hierarchical Latent Variables for Scalable Theory of Mind

HiVAE：用于可扩展理论之心的层次潜在变量

Nigel Doering, Rahath Malladi, Arshia Sangwan, David Danks, Tauhidur Rahman

AI总结 HiVAE通过层次化变分架构提升理论之心推理能力，解决现实时空领域中的心理状态推断问题，并提出自监督对齐策略以增强潜在表示的参照性。

Comments Accepted at the Workshop on Theory of Mind for AI (ToM4AI) at the 40th AAAI Conference on Artificial Intelligence (AAAI-26), Singapore, 2026

Attending to Routers Aids Indoor Wireless Localization

关注路由器有助于室内无线定位

Ayush Roy, Tahsin Fuad Hassan, Roshan Ayyalasomayajula, Vishnu Suresh Lokhande

AI总结 本文提出'路由器关注'机制，通过引入注意力层提升室内无线定位的准确性，实验表明其性能优于现有方法超过30%。

Comments AAAI 2026 Workshop on Machine Learning for Wireless Communication and Networks (ML4Wireless)

Single Exposure Quantitative Phase Imaging with a Conventional Microscope using Diffusion Models

单次曝光定量相位成像使用常规显微镜与扩散模型

Gabriel della Maggiora, Luis Alberto Croquevielle, Harry Horsley, Thomas Heinis, Artur Yakimovich

AI总结 利用色差和扩散模型实现单次曝光的高精度相位成像，提升生物医学应用的效率。

Journal ref (2025). Proceedings of the AAAI Conference on Artificial Intelligence, 39(3), 2672-2680

FedMerge: Federated Personalization via Model Merging

FedMerge: 通过模型合并实现联邦个性化

Shutong Chen, Tianyi Zhou, Guodong Long, Jing Jiang, Chengqi Zhang

AI总结 FedMerge通过合并多个全局模型为每个客户端生成个性化模型，有效解决非IID任务下的联邦学习个性化问题。

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence (AAAI 2026), 2026

Towards Human-AI Accessibility Mapping in India: VLM-Guided Annotations and POI-Centric Analysis in Chandigarh

迈向印度的人机可及性映射：在昌迪加尔的VLM引导标注与POI中心分析

Varchita Lalwani, Utkarsh Agarwal, Michael Saugstad, Manish Kumar, Jon E. Froehlich, Anupam Sobti

AI总结 本文提出在印度昌迪加尔部署Project Sidewalk工具，通过VLM引导标注和POI中心分析，评估了城市无障碍性改进的潜力。

Comments Accepted at the Second Workshop on AI for Urban Planning (AI4UP) at AAAI 2026

Bridging Day and Night: Target-Class Hallucination Suppression in Unpaired Image Translation

弥合昼夜：无配对图像翻译中的目标类幻觉抑制

Shuwei Li, Lei Tan, Robby T. Tan

AI总结 本文提出了一种新型框架，通过双头判别器和类特定原型抑制无配对图像翻译中的目标类幻觉，提升翻译质量与下游任务性能。

Comments Accepted at AAAI 2026 (Oral)

Sparse Additive Model Pruning for Order-Based Causal Structure Learning

基于顺序因果结构学习的稀疏加法模型剪枝

Kentaro Kanamori, Hirofumi Suzuki, Takuya Takagi

AI总结 本文提出基于稀疏加法模型的因果结构学习剪枝方法，通过高效算法提升剪枝效率并保持高准确性。

Comments 15 pages, 12 figures, to appear in the 40th AAAI Conference on Artificial Intelligence (AAAI 2026)