AAAI

When Trackers Date Fish: A Benchmark and Framework for Underwater Multiple Fish Tracking

当跟踪器遇到鱼：一个用于水下多鱼跟踪的基准和框架

Weiran Li, Yeqiang Liu, Qiannan Guo, Yijie Wei, Hwa Liang Leo, Zhenbo Li

机构 * China Agricultural University（中国农业大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出水下多鱼跟踪数据集MFT25及专用跟踪框架SU-T，通过优化UKF和FishIoU方法，在水下鱼类跟踪中取得领先性能。

Comments Accepted by AAAI 2026 (Oral)

Quantifying the Spread of Online Incivility in Brazilian Politics

量化巴西政治中网络不文明行为的传播

Yuan Zhang, Michael Amsler, Laia Castro Herrero, Frank Esser, Alexandre Bovet

AI总结 本研究提出多维框架量化巴西政治中网络不文明行为的传播，揭示选举期间不礼貌行为激增及左翼影响者在传播中的关键作用。

Comments Accepted at ICWSM 2025

Journal ref Proceedings of the International AAAI Conference on Web and Social Media, 19, 2241-2259 (2025)

A Computable Game-Theoretic Framework for Multi-Agent Theory of Mind

一个可计算的游戏理论框架用于多智能体理论 of mind

Fengming Zhu, Yuxin Pan, Xiaomeng Zhu, Fangzhen Lin

机构 * Fengming Zhu, Yuxin Pan, Xiaomeng Zhu, Fangzhen Lin（作者） 纠错

AI总结 本文提出了一种基于游戏理论的可计算框架，用于多智能体的理论 of mind，结合有限理性决策与统计技术实现计算可行性。

Comments Ongoing work. A preliminary version has been accepted by the AAAI 2026 Theory of Mind for AI (ToM4AI) Workshop

Mapping Clinical Doubt: Locating Linguistic Uncertainty in LLMs

临床怀疑的映射：在大语言模型中定位语言不确定性

Srivarshinee Sridhar, Raghav Kaushik Ravi, Kripabandhu Ghosh

AI总结 本研究探讨了大语言模型在医疗文本中对语言不确定性的表示敏感性，提出MSU指标以量化模型对不确定性的响应，揭示了认知信息在模型深度中的逐步编码过程。

Comments Accepted to AAAI'26 SECURE-AI4H Workshop

Improving Sparse IMU-based Motion Capture with Motion Label Smoothing

改进基于稀疏IMU的运动捕捉的运动标签平滑

Zhaorui Meng, Lu Yin, Yangqing Hou, Anjun Chen, Shihui Guo, Yipeng Qin

AI总结 本文提出运动标签平滑方法，通过增加标签熵并保持运动属性，改进稀疏IMU运动捕捉的性能。

Comments Accepted by AAAI 2026

RecToM: A Benchmark for Evaluating Machine Theory of Mind in LLM-based Conversational Recommender Systems

RecToM：用于评估基于LLM的对话推荐系统机器理论 of mind 的基准

Mengfan Li, Xuanhua Shi, Yang Deng

机构 * SMU（德克萨斯南方大学） 纠错

AI总结 RecToM是一个用于评估基于LLM的对话推荐系统中机器理论 of mind 能力的新基准，重点关注认知推理和行为预测两个维度。

Comments Accepted by AAAI 2026

Creating Blank Canvas Against AI-enabled Image Forgery

对抗AI图像伪造的空白画布创建

Qi Song, Ziyuan Luo, Renjie Wan

AI总结 本文提出了一种基于Segment Anything Model的对抗性方法，通过将图像转换为空白画布来检测AI图像伪造，利用频率感知优化策略提升篡改定位能力。

Comments Accepted by AAAI 2026

IE-SRGS: An Internal-External Knowledge Fusion Framework for High-Fidelity 3D Gaussian Splatting Super-Resolution

IE-SRGS: 一种内部-外部知识融合框架用于高保真3D高斯溅射超分辨率

Xiang Feng, Tieshi Zhong, Shuo Chang, Weiliu Wang, Chengkai Wang, Yifei Chen, Yuhe Wang, Zhenzhong Kuang, Xuefei Yin, Yanming Zhu

机构 * Xiang Feng 1,2（XX大学） ； Tieshi Zhong 1（XX大学） ； Shuo Chang 1（XX大学） ； Weiliu Wang 1（XX大学） ； Chengkai Wang 1（XX大学） ； Yifei Chen 3（XX大学） ； Yuhe Wang 1（XX大学） ； Zhenzhong Kuang 1（XX大学） ； Xuefei Yin 4（XX大学） ； Yanming Zhu 4（XX大学） 纠错

AI总结 IE-SRGS通过融合外部2DSR先验和内部3DGS特征，提升3D高斯溅射超分辨率的高保真重建性能。

Comments AAAI 2026

Partially Shared Concept Bottleneck Models

部分共享概念瓶颈模型

Delong Zhao, Qiang Huang, Di Yan, Yiqun Sun, Jun Yu

AI总结 PS-CBM通过部分共享的概念策略和概念效率准确性度量，提升模型的分类准确性和可解释性。

Comments 14 pages, 7 figures, 11 tables, Accepted to AAAI 2026

Towards a Foundation Model for Partial Differential Equations Across Physics Domains

面向跨物理领域的偏微分方程基础模型

Eduardo Soares, Emilio Vital Brazil, Victor Shirasuna, Breno W. S. R. de Carvalho, Cristiano Malossi

AI总结 PDE-FM是一种跨物理领域预训练的基础模型，通过统一空间、谱和时间推理，实现复杂物理动态的高效建模与跨领域泛化。

Comments Accepted to the AAAI 2026 AI2ASE Workshop

LILAD: Learning In-context Lyapunov-stable Adaptive Dynamics Models

LILAD: 学习上下文Lyapunov稳定自适应动力学模型

Amit Jena, Na Li, Le Xie

AI总结 LILAD通过上下文学习同时学习动态模型和Lyapunov函数，确保系统在分布偏移和任务外情况下的稳定性与适应性。

Comments This article has been accepted for AAAI-26 (The 40th Annual AAAI Conference on Artificial Intelligence)

BeeRNA: tertiary structure-based RNA inverse folding using Artificial Bee Colony

BeeRNA: 基于三级结构的RNA逆折叠方法使用人工蜂群算法

Mehyar Mlaweh, Tristan Cazenave, Ines Alaya

AI总结 BeeRNA利用人工蜂群算法结合碱基配对距离过滤和RMSD评估，实现高效RNA三级结构逆折叠设计。

Comments Accepted at the AI in Drug Discovery Workshop, AAAI 2026, Singapore

EduMod-LLM: A Modular Approach for Designing Flexible and Transparent Educational Assistants

EduMod-LLM: 一种用于设计灵活且透明教育助手的模块化方法

Meenakshi Mittal, Rishi Khare, Mihran Miroyan, Chancharik Mitra, Narges Norouzi

AI总结 EduMod-LLM通过模块化方法评估教育问答系统各组件性能，揭示失败模式，提升透明度和教学对齐效果。

Comments Proceedings of the AAAI Conference on Artificial Intelligence

RoSA: Enhancing Parameter-Efficient Fine-Tuning via RoPE-aware Selective Adaptation in Large Language Models

RoSA: 通过RoPE-aware选择性适应提升大语言模型的参数高效微调

Dayan Pan, Jingyuan Wang, Yilong Zhou, Jiawei Cheng, Pengyue Jia, Xiangyu Zhao

AI总结 RoSA通过RoPE-aware选择性适应提升大语言模型的参数高效微调效率，结合注意力增强与动态层选择策略，实现更精准的模型适应。

Comments Accepted by AAAI' 26

R-AVST: Empowering Video-LLMs with Fine-Grained Spatio-Temporal Reasoning in Complex Audio-Visual Scenarios

R-AVST：通过细粒度时空推理增强视频大语言模型以应对复杂音频视觉场景

Lu Zhu, Tiantian Geng, Yangye Chen, Teng Wang, Ping Lu, Feng Zheng

AI总结 R-AVST通过细粒度时空推理提升视频大语言模型，构建首个真实世界音频视觉时空推理数据集，并提出AVST-Zero模型增强推理能力。

Comments Accepted by AAAI 2026. Project page: https://github.com/zhlllau/R-AVST

Generalizing Analogical Inference from Boolean to Continuous Domains

从布尔域到连续域的类比推理泛化

Francisco Cunha, Yves Lepage, Miguel Couceiro, Zied Bouraoui

AI总结 本文提出了一种统一框架，用于实值域中的类比推理，涵盖布尔分类和回归，并推导了误差界限。

Comments 11 pages, to appear in AAAI 2026, extended version

MIRNet: Integrating Constrained Graph-Based Reasoning with Pre-training for Diagnostic Medical Imaging

MIRNet：将约束图推理与预训练相结合用于诊断医学影像

Shufeng Kong, Zijie Wang, Nuan Cui, Hao Tang, Yihan Meng, Yuanyuan Wei, Feifan Chen, Yingheng Wang, Zhuo Cai, Yaonan Wang, Yulong Zhang, Yuzheng Li, Zibin Zheng, Caihua Liu, Hao Liang

AI总结 MIRNet通过结合自监督预训练与约束图推理，解决医学影像标注稀缺和不平衡问题，实现对舌象诊断的高精度识别，并推广至更广泛的诊断医学影像任务。

Comments To appear at AAAI-26

Towards Non-Stationary Time Series Forecasting with Temporal Stabilization and Frequency Differencing

面向非平稳时间序列预测的时序稳定化与频率差分方法

Junkai Lu, Peng Chen, Chenjuan Guo, Yang Shu, Meng Wang, Bin Yang

AI总结 DTAF通过时域稳定化与频域差分方法，提升非平稳时间序列预测的鲁棒性和准确性。

Comments Accepted by AAAI 2026

From Sequential to Recursive: Enhancing Decision-Focused Learning with Bidirectional Feedback

从顺序到递归：通过双向反馈增强决策聚焦学习

Xinyu Wang, Jinxiao Du, Yiyang Peng, Wei Ma

机构 * Xinyu Wang, Jinxiao Du, Yiyang Peng, Wei Ma（作者） 纠错

AI总结 本文提出递归决策聚焦学习（R-DFL），通过引入双向反馈机制，提升决策质量并增强适应性。

Comments Accepted by The 40th Annual AAAI Conference on Artificial Intelligence (AAAI-26), Main track

Ambiguity-aware Truncated Flow Matching for Ambiguous Medical Image Segmentation

具有模糊性的截断流匹配用于模糊的医学图像分割

Fanding Li, Xiangyu Li, Xianghe Su, Xingyu Qiu, Suyu Dong, Wei Wang, Kuanquan Wang, Gongning Luo, Shuo Li

AI总结 本文提出了一种具有模糊性的截断流匹配方法，通过数据分层推理和高斯截断表示提升医学图像分割的准确性和多样性。

Comments 13 pages, 10 figures, extended version of AAAI-26 paper

A Coherence-Based Measure of AGI

基于一致性的人工一般智能衡量方法

Fares Fourati

机构 * KAUST（科威特大学） 纠错

AI总结 本文提出了一种基于一致性的AGI衡量方法，通过整合广义平均值来评估认知能力的稳健性，揭示不平衡和瓶颈问题。

Comments Accepted at FAST@AAAI 2026. 15 pages, 2 figures, 13 tables

IROTE: Human-like Traits Elicitation of Large Language Model via In-Context Self-Reflective Optimization

IROTE: 通过上下文自我反思优化 elicite 大语言模型的人类特质

Yuzhuo Bai, Shitong Duan, Muhua Huang, Jing Yao, Zhenghao Liu, Peng Zhang, Tun Lu, Xiaoyuan Yi, Maosong Sun, Xing Xie

AI总结 IROTE通过上下文自我反思优化方法，使LLMs在多样任务中稳定体现人类特质，超越现有基线。

Comments This paper is accepted by AAAI 2026

MCTS-SQL: Light-Weight LLMs can Master the Text-to-SQL through Monte Carlo Tree Search

MCTS-SQL: 轻量级大语言模型可通过蒙特卡洛树搜索掌握文本到SQL

Shuozhi Yuan, Limin Chen, Miaomiao Yuan, Zhao Jin

AI总结 MCTS-SQL通过蒙特卡洛树搜索引导轻量级大语言模型高效生成SQL查询，实验证明其在文本到SQL任务中优于现有方法。

Comments Accepted by AAAI 2026

Natural Strategic Ability in Stochastic Multi-Agent Systems

随机多智能体系统中的自然策略能力

Raphaël Berthon, Joost-Pieter Katoen, Munyque Mittelmann, Aniello Murano

AI总结 本文提出在随机多智能体系统中使用自然策略框架，分析了 NatPATL 和 NatPATL* 的模型检查复杂性，展示了在确定性策略限制下 NatPATL 的 NP 完全性和 NatPATL* 的 2NEXPTIME 复杂性。

Comments Extended version of the paper accepted at AAAI 2024

BAMAS: Structuring Budget-Aware Multi-Agent Systems

BAMAS: 构建预算感知的多智能体系统

Liming Yang, Junyu Luo, Xuanzhe Liu, Yiling Lou, Zhenpeng Chen

AI总结 BAMAS通过整数线性规划和强化学习构建预算感知的多智能体系统，有效降低部署成本的同时保持性能。

Comments Accepted by AAAI 2026 (oral paper)

Lost in Time? A Meta-Learning Framework for Time-Shift-Tolerant Physiological Signal Transformation

时光流逝？一种用于时间偏移容忍生理信号转换的元学习框架

Qian Hong, Cheng Bian, Xiao Zhou, Xiaoyu Li, Yelei Li, Zijing Zeng

AI总结 ShiftSyncNet通过元学习框架自动缓解时间偏移对生理信号转换的影响，提升转换精度和标签质量。

Comments The 40th Annual AAAI Conference on Artificial Intelligence (AAAI 26)

Prune4Web: DOM Tree Pruning Programming for Web Agent

Prune4Web: 面向Web代理的DOM树剪枝编程

Jiayuan Zhang, Kaiquan Chen, Zhihao Lu, Enshen Zhou, Qian Yu, Jing Zhang

AI总结 Prune4Web通过DOM树剪枝编程提升Web自动化精度，实现25-50倍候选元素减少，显著提高接地任务准确性至88.28%。

Comments Paper accepted to AAAI 2026

The Directed Prediction Change - Efficient and Trustworthy Fidelity Assessment for Local Feature Attribution Methods

定向预测变化 - 用于局部特征归因方法高效且可信的保真度评估

Kevin Iselborn, David Dembinsky, Adriano Lucieri, Andreas Dengel

AI总结 本文提出DPC度量标准，用于高效且可信地评估局部特征归因方法的保真度，通过改进预测变化度量并消除随机性，实现快速且确定性的评估。

Comments 13 pages, 10 figures, 5 tables, accepted at AAAI SECURE-AI4H workshop

Learning Cell-Aware Hierarchical Multi-Modal Representations for Robust Molecular Modeling

学习细胞感知的层次多模态表示以实现稳健的分子建模

Mengran Li, Zelin Zang, Wenbin Xing, Junzhou Chen, Ronghui Zhang, Jiebo Luo, Stan Z. Li

AI总结 CHMR通过联合建模分子与细胞反应的层次依赖关系，提升分子建模的稳健性和生物学基础。

Comments Accepted to AAAI 2026 (Oral)

EM-KD: Distilling Efficient Multimodal Large Language Model with Unbalanced Vision Tokens

EM-KD: 通过不平衡视觉标记的知识蒸馏提升高效多模态大语言模型

Ze Feng, Sen Yang, Boqiang Duan, Wankou Yang, Jingdong Wang

机构 * Baidu VIS（百度视觉） 纠错

AI总结 EM-KD通过改进的知识蒸馏方法，有效提升高效多模态大语言模型的视觉理解和效率。

Comments accepted by AAAI 2026