AAAI

Distilling Future Temporal Knowledge with Masked Feature Reconstruction for 3D Object Detection

通过掩码特征重建进行未来时间知识蒸馏以实现3D目标检测

Haowen Zheng, Hu Zhu, Lu Deng, Weihao Gu, Yang Yang, Yanyan Liang

机构 * HAOMO.AI Technology（HAOMO.AI科技公司） 纠错

AI总结 本文提出FTKD方法，通过掩码特征重建和未来引导logit蒸馏，提升3D目标检测中未来帧知识的转移效果，实现性能提升。

Comments AAAI-26

Batch Acquisition Function Evaluations and Decouple Optimizer Updates for Faster Bayesian Optimization

批量获取函数评估与解耦优化器更新以加快贝叶斯优化

Kaichi Irie, Shuhei Watanabe, Masaki Onishi

AI总结 本文提出通过解耦QN更新和批量调用获取函数，以提高贝叶斯优化的效率，减少计算开销。

Comments Accepted to 5th Annual AAAI Workshop on AI to Accelerate Science and Engineering (AI2ASE)

No-Regret Strategy Solving in Imperfect-Information Games via Pre-Trained Embedding

通过预训练嵌入解决不完全信息游戏的无遗憾策略

Yanchang Fu, Shengda Liu, Pei Xu, Kaiqi Huang

AI总结 本文提出Embedding CFR算法，通过预训练嵌入空间解决不完全信息游戏的策略问题，提升求解效率和准确性。

Comments Accepted to appear at AAAI 2026

Test-driven Reinforcement Learning in Continuous Control

连续控制中的测试驱动强化学习

Zhao Yu, Xiuping Wu, Liangjun Ke

AI总结 本文提出测试驱动强化学习框架，通过多测试函数替代传统奖励函数，简化任务定义并提升多目标优化能力。

Comments AAAI 2026 oral

From Benchmarks to Business Impact: Deploying IBM Generalist Agent in Enterprise Production

从基准到业务影响：在企业生产中部署IBM通用代理

Segev Shlomov, Alon Oved, Sami Marreed, Ido Levy, Offer Akrabi, Avi Yaeli, Łukasz Strąk, Elizabeth Koumpan, Yinon Goldshtein, Eilam Shapira, Nir Mashkif, Asaf Adi

机构 * IBM 纠错

AI总结 IBM开发并试点了CUGA，展示了通用代理在企业生产环境中的应用，通过分层规划-执行架构实现先进性能，并在人才招聘领域验证其可扩展性和安全性。

Comments AAAI Conference on Artificial Intelligence

Sonnet: Spectral Operator Neural Network for Multivariable Time Series Forecasting

Sonnet：用于多变量时间序列预测的谱运算神经网络

Yuxuan Shu, Vasileios Lampos

AI总结 Sonnet通过引入谱运算和多变量相干注意力，有效提升多变量时间序列预测的准确性，实现2.2%的平均MAE减少。

Comments Paper accepted for oral presentation at AAAI 2026. The code is available at https://github.com/ClaudiaShu/Sonnet

VoiceCloak: A Multi-Dimensional Defense Framework against Unauthorized Diffusion-based Voice Cloning

VoiceCloak：一种针对未经授权的基于扩散的语音克隆的多维防御框架

Qianyue Hu, Junyan Wu, Wei Lu, Xiangyang Luo

AI总结 VoiceCloak通过多维防御机制有效对抗未经授权的基于扩散的语音克隆，通过扰动参考音频和破坏条件引导过程来混淆说话者身份并降低语音质量。

Comments 15 pages, 6 figures, 13 tables; Accepted by AAAI 2026

Learning Generalized Hamiltonians using fully Symplectic Mappings

利用完全辛映射学习广义哈密顿量

Harsh Choudhary, Chandan Gupta, Vyacheslav Kungurtsev, Melvin Leok, Georgios Korpas

AI总结 本文提出利用完全辛映射学习广义非可分离哈密顿量的方法，通过避免反向传播提升计算效率，并在噪声环境下实现良好的哈密顿量近似。

Comments Submitted to The 39th Annual AAAI Conference on Artificial Intelligence

Proportional Justified Representation

比例正当代表性

Luis Sánchez-Fernández, Edith Elkind, Martin Lackner, Norberto Fernández, Jesús A. Fisteus, Pablo Basanta Val, Piotr Skowron

AI总结 本文提出比例正当代表性（PJR）作为对EJR的放松，它在保持PR兼容性的同时，比JR更具挑战性，并能表征PAV规则，同时在平均选民满意度方面EJR表现更优。

Comments Extended version. Preliminary version published in the proceedings of the 31st AAAI Conference on Artificial Intelligence (AAAI-17)

Modality-Aware Bias Mitigation and Invariance Learning for Unsupervised Visible-Infrared Person Re-Identification

模态感知的偏见缓解与不变性学习用于无监督的可见-红外人重识别

Menglin Wang, Xiaojin Gong, Jiachen Li, Genlin Ji

AI总结 本文提出模态感知的偏见缓解与不变性学习方法，通过改进的Jaccard距离和分割与对比策略，在无监督可见-红外人重识别中实现更可靠的跨模态关联和判别性表示学习。

Comments Accepted to AAAI 2026

NeSTR: A Neuro-Symbolic Abductive Framework for Temporal Reasoning in Large Language Models

NeSTR：一种用于大语言模型时间推理的神经符号抽象框架

Feng Liang, Weixin Zeng, Runhao Zhao, Xiang Zhao

机构 * National Key Laboratory of Big Data and Decision（大数据与决策国家重点实验室） 纠错

AI总结 NeSTR通过结合符号表示与反思推理，提升大语言模型在复杂时间约束下的推理能力。

Comments Accepted by AAAI 2026

TRACE: A Generalizable Drift Detector for Streaming Data-Driven Optimization

TRACE：一种适用于流数据驱动优化的通用漂移检测器

Yuan-Ting Zhong, Ting Huang, Xiaolin Xiao, Yue-Jiao Gong

AI总结 TRACE是一种适用于流数据驱动优化的通用漂移检测器，通过基于注意力的序列学习方法有效检测流数据中的分布变化，并展示其在不同动态环境中的适应性和有效性。

Comments Accepted by AAAI 2026

Physics-Guided Diffusion Priors for Multi-Slice Reconstruction in Scientific Imaging

用于科学成像多切片重建的物理引导扩散先验

Laurentius Valdy, Richard D. Paul, Alessio Quercia, Zhuo Cao, Xuan Zhao, Hanno Scharr, Arya Bangun

AI总结 本文提出了一种结合物理约束和扩散先验的框架，用于提高多切片重建的效率和质量，适用于医学和科学成像领域。

Comments 8 pages, 5 figures, AAAI AI2ASE 2026

Know your Trajectory -- Trustworthy Reinforcement Learning deployment through Importance-Based Trajectory Analysis

了解你的轨迹 -- 通过基于重要性的轨迹分析实现可信的强化学习部署

Clifford F, Devika Jay, Abhishek Sarkar, Satheesh K Perepu, Santhosh G S, Kaushik Dey, Balaraman Ravindran

机构 * Clifford F（未知） ； Devika Jay（未知） ； Abhishek Sarkar（未知） ； Satheesh K Perepu（未知） ； Santhosh G S（未知） ； Kaushik Dey（未知） ； Balaraman Ravindran（未知） 纠错

AI总结 本文提出基于重要性的轨迹分析框架，通过评估轨迹级状态重要性，提升强化学习部署的可信度和可解释性。

Comments Accepted at 4th Deployable AI Workshop at AAAI 2026

MCMoE: Completing Missing Modalities with Mixture of Experts for Incomplete Multimodal Action Quality Assessment

MCMoE：基于专家混合的缺失模态补全用于不完整多模态动作质量评估

Huangbiao Xu, Huanqi Wu, Xiao Ke, Junyi Wu, Rui Xu, Jinglin Xu

AI总结 MCMoE通过专家混合方法解决多模态动作质量评估中缺失模态的问题，实现单阶段训练下的多模态学习和生成。

Comments AAAI 2026

Aligning Machiavellian Agents: Behavior Steering via Test-Time Policy Shaping

对 Machiavellian 代理进行对齐：通过测试时策略塑造实现行为引导

Dena Mujtaba, Brian Hu, Anthony Hoogs, Arslan Basharat

AI总结 本文提出了一种测试时策略塑造方法，通过模型引导的策略调整，解决预训练代理在复杂环境中的伦理对齐问题，实现奖励最大化与伦理约束的平衡。

Comments Accepted to AAAI 2026 AI Alignment Track

HN-MVTS: HyperNetwork-based Multivariate Time Series Forecasting

基于超网络的多变量时间序列预测

Andrey Savchenko, Oleg Kachan

AI总结 本文提出基于超网络的多变量时间序列预测模型HN-MVTS，通过生成先验和任意神经网络结合，提升预测精度和泛化能力。

Comments AAAI 2026

3D-ANC: Adaptive Neural Collapse for Robust 3D Point Cloud Recognition

3D-ANC：适应性神经坍塌用于鲁棒的3D点云识别

Yuanmin Huang, Wenxuan Li, Mi Zhang, Xiaohan Zhang, Xiaoyu You, Min Yang

AI总结 3D-ANC通过神经坍塌机制解决3D点云识别中的对抗攻击问题，结合ETF对齐和自适应训练框架提升模型鲁棒性。

Comments AAAI 2026

TOOL4POI: A Tool-Augmented LLM Framework for Next POI Recommendation

TOOL4POI: 一种增强工具的LLM框架用于下一步POI推荐

Dongsheng Wang, Shen Gao, Chengrui Huang, Yuxi Huang, Ruixiang Feng, Shuo Shang

AI总结 Tool4POI通过外部检索和推理提升POI推荐性能，无需微调即可兼容现成LLM，实现对OOH场景的显著改进。

Comments A critical technical error was discovered during our internal review, leading to unreliable experimental results. The issue cannot be resolved, and the paper has also been formally withdrawn from AAAI 2026. We therefore request withdrawal of the arXiv version to maintain scientific accuracy

Ghost in the Transformer: Detecting Model Reuse with Invariant Spectral Signatures

Transformer中的幽灵：通过不变频谱特征检测模型重用

Suqing Wang, Ziyang Ma, Li Xinyi, Zuchao Li

AI总结 本文提出GhostSpec，一种通过不变频谱特征验证LLM血统的方法，无需训练数据或行为修改，具有鲁棒性和高效性。

Comments Accepted at AAAI 2026 (Oral)

MedGR$^2$: Breaking the Data Barrier for Medical Reasoning via Generative Reward Learning

MedGR$^2$: 通过生成奖励学习突破医学推理的数据壁垒

Weihai Zhi, Jiayan Guo, Shangyang Li

AI总结 MedGR$^2$通过生成奖励学习解决医学推理中的数据稀缺问题，实现高效训练和泛化，优于现有方法。

Comments 8 pages, 5 figures

Journal ref AAAI'2026 Main Technical Track

InfiGUI-G1: Advancing GUI Grounding with Adaptive Exploration Policy Optimization

InfiGUI-G1: 通过自适应探索策略优化推进GUI接地

Yuhang Liu, Zeyu Liu, Shuanghe Zhu, Pengxiang Li, Congkai Xie, Jiasheng Wang, Xavier Hu, Xiaotian Han, Jianbo Yuan, Xinyao Wang, Shengyu Zhang, Hongxia Yang, Fei Wu

机构 * Amazon（亚马逊） 纠错

AI总结 InfiGUI-G1通过自适应探索策略优化改进GUI接地，实现显著的语义对齐和性能提升。

Comments Accepted to AAAI 2026 (Oral Presentation)

MOTIF: Multi-strategy Optimization via Turn-based Interactive Framework

MOTIF: 通过回合式交互框架进行多策略优化

Nguyen Viet Tuan Kiet, Dao Van Tung, Tran Cong Dao, Huynh Thi Thanh Binh

AI总结 MOTIF通过回合式交互框架实现多策略优化，提升求解器设计的自动化水平。

Comments Accepted as an oral presentation at AAAI 2026. Code available at: https://github.com/HaiAu2501/MOTIF

MeshA*: Efficient Path Planning With Motion Primitives

MeshA*：基于运动原语的高效路径规划

Marat Agranovskiy, Konstantin Yakovlev

AI总结 MeshA*通过在网格单元格上搜索并拟合运动原语序列，实现高效路径规划，同时保证完整性和最优性，运行时间显著优于传统方法。

Comments Accepted to AAAI-2026

RMAdapter: Reconstruction-based Multi-Modal Adapter for Vision-Language Models

RMAdapter: 基于重建的多模态适配器用于视觉-语言模型

Xiang Lin, Weixin Li, Shu Guo, Lihong Wang, Di Huang

AI总结 RMAdapter通过双分支架构平衡通用与任务特定知识，提升视觉-语言模型在多模态迁移学习中的性能。

Comments Accepted by AAAI 2026(Oral)

Generalized Geometry Encoding Volume for Real-time Stereo Matching

通用几何编码体积用于实时立体匹配

Jiaxin Liu, Gangwei Xu, Xianqi Wang, Chengliang Zhang, Xin Yang

AI总结 本文提出GGEV，一种实时立体匹配网络，通过深度感知特征和动态成本聚合模块提升泛化能力，在多个基准测试中取得最佳性能。

Comments Accepted by AAAI 2026

Description Logics with Two Types of Definite Descriptions: Complexity, Expressiveness, and Automated Deduction

具有两种类型确定描述的描述逻辑：复杂性、表达性和自动推理

Michał Sochański, Przemysław Andrzej Wałęga, Michał Zawidzki

AI总结 本文提出两种扩展描述逻辑ALC的确定描述变体，分析其复杂性、表达性及自动推理方法，展示ALCι_G在表达性上的优势及实现的有效性。

Comments Accepted for publication at AAAI 2026; pre-print with full proofs and supplementary results

ReCAD: Reinforcement Learning Enhanced Parametric CAD Model Generation with Vision-Language Models

ReCAD: 基于强化学习的参数化CAD模型生成增强框架

Jiahao Li, Yusheng Luo, Yunzhong Lou, Xiangdong Zhou

AI总结 ReCAD通过强化学习增强参数化CAD模型生成，利用预训练模型生成高精度CAD模型，显著提升几何精度和语义保真度。

Comments Accepted as an Oral presentation at AAAI 2026

ARCANE: A Multi-Agent Framework for Interpretable and Configurable Alignment

ARCANE：一种多智能体框架，用于可解释和可配置的对齐

Charlie Masters, Marta Grześkiewicz, Stefano V. Albrecht

AI总结 ARCANE是一种多智能体框架，通过动态规则生成实现可解释和可配置的对齐，适用于复杂长期任务。

Comments Accepted to the AAAI 2026 LLAMAS Workshop (Large Language Model Agents for Multi-Agent Systems)

Explainable Melanoma Diagnosis with Contrastive Learning and LLM-based Report Generation

基于对比学习和大语言模型的可解释性黑色素瘤诊断

Junwen Zheng, Xinran Xu, Li Rong Wang, Chang Cai, Lucinda Siyun Tan, Dingyuan Wang, Hong Liang Tey, Xiuyi Fan

AI总结 本文提出基于对比学习和大语言模型的可解释性黑色素瘤诊断框架，通过将临床标准映射到视觉Transformer空间，实现图像与临床解释的透明连接，提升模型可解释性与临床信任度。

Comments AAAI-26-AIA