AAAI

Cook and Clean Together: Teaching Embodied Agents for Parallel Task Execution

烹饪与清洁同时进行：教授并行任务执行的具身智能体

Dingkang Liang, Cheng Zhang, Xiaopeng Xu, Jianzhong Ju, Zhenbo Luo, Xiang Bai

AI总结 GRANT通过结合语言理解、3D定位和效率优化，实现并行任务调度，提升智能体在复杂环境中的任务执行效率。

Comments Accepted to AAAI 2026 (Oral). The code is available at \url{https://github.com/H-EmbodVis/GRANT}

Diffusion Reconstruction-based Data Likelihood Estimation for Core-Set Selection

基于扩散重建的数据似然估计的核心集选择

Mingyang Chen, Jiawei Du, Bo Huang, Yi Wang, Xiaobo Zhang, Wei Wang

AI总结 本文提出基于扩散重建的数据似然估计方法，通过重建偏差作为评分标准，有效提升核心集选择性能。

Comments Accepted by AAAI 2026

SimDiff: Simpler Yet Better Diffusion Model for Time Series Point Forecasting

SimDiff: 更简单却更优的扩散模型用于时间序列点预测

Hang Ding, Xue Wang, Tian Zhou, Tao Yao

AI总结 SimDiff通过单一Transformer网络实现端到端时间序列点预测，利用内在输出多样性和多次推理集成，提升点估计性能和稳定性。

Comments Accepted by AAAI 2026

ReAlign: Text-to-Motion Generation via Step-Aware Reward-Guided Alignment

ReAlign：通过步感知奖励引导对齐实现文本到动作生成

Wanjiang Weng, Xiaofeng Tan, Junbo Wang, Guo-Sen Xie, Pan Zhou, Hongsong Wang

AI总结 ReAlign通过步感知奖励模型和引导策略提升文本到动作生成的对齐和质量。

Comments Accepted by AAAI 2026

DeCoRL: Decoupling Reasoning Chains via Parallel Sub-Step Generation and Cascaded Reinforcement for Interpretable and Scalable RLHF

DeCoRL：通过并行子步骤生成和级联强化学习解耦推理链

Ziyuan Gao, Di Liang, Xianjie Wu, Philippe Morel, Minlong Peng

机构 * Ziyuan Gao 1（某大学） ； Di Liang 2（某大学） ； Xianjie Wu 3（某大学） ； Philippe Morel 1（某大学） ； Minlong Peng 2（某大学） 纠错

AI总结 DeCoRL通过并行子步骤生成和级联强化学习，实现了推理链的解耦，提升了推理效率、可解释性和系统性能。

Comments Accepted by AAAI 2026

Theoretical and Empirical Analysis of Lehmer Codes to Search Permutation Spaces with Evolutionary Algorithms

Lehmer码的理论与实证分析：用于进化算法搜索排列空间

Yuxuan Ma, Valentino Santucci, Carsten Witt

AI总结 本文通过理论分析和实验验证，探讨了Lehmer码在进化算法中搜索排列空间的效率及其应用价值。

Comments Accepted for publication at AAAI 2026

A Multi-Agent LLM Framework for Multi-Domain Low-Resource In-Context NER via Knowledge Retrieval, Disambiguation and Reflective Analysis

面向多领域低资源情境命名实体识别的多智能体LLM框架：通过知识检索、消歧和反思分析

Wenxuan Mu, Jinzhong Ning, Di Zhao, Yijia Zhang

AI总结 KDR-Agent通过知识检索、消歧和反思分析，提升多领域低资源情境下命名实体识别的性能

Comments This paper has been accepted by AAAI 2026 (Main Technical Track)

FineXtrol: Controllable Motion Generation via Fine-Grained Text

FineXtrol: 通过细粒度文本实现可控的运动生成

Keming Shen, Bizhu Wu, Junliang Chen, Xiaoqin Wang, Linlin Shen

AI总结 FineXtrol通过细粒度文本控制信号提升运动生成的可控性和精度，采用层次对比学习模块增强嵌入区分性，实现高效且灵活的运动生成。

Comments 20 pages, 14 figures, AAAI 2026

MFmamba: A Multi-function Network for Panchromatic Image Resolution Restoration Based on State-Space Model

MFmamba：基于状态空间模型的多功能网络用于全色图像分辨率恢复

Qian Jiang, Qianqian Wang, Xin Jin, Michal Wozniak, Shaowen Yao, Wei Zhou

AI总结 MFmamba通过三种不同输入实现高空间分辨率彩色图像恢复，结合UNet++、Mamba Upsample Block和Dual Pool Attention，提升超分辨率与光谱恢复性能。

Comments 9 pages, 9 figures. This paper has been accepted for publication in AAAI-2026

Robust Long-term Test-Time Adaptation for 3D Human Pose Estimation through Motion Discretization

通过运动离散化实现鲁棒的长期测试时间适应：用于3D人体姿态估计

Yilin Wen, Kechuan Dong, Yusuke Sugano

AI总结 本文提出通过运动离散化实现鲁棒的长期测试时间适应，以提升3D人体姿态估计的准确性。

Comments Accepted by AAAI 2026, main track

SAOT: An Enhanced Locality-Aware Spectral Transformer for Solving PDEs

SAOT: 一种增强的局部感知频谱变换器用于求解偏微分方程

Chenhong Zhou, Jie Chen, Zaifeng Yang

AI总结 SAOT是一种结合局部感知和全局频谱表示的增强型频谱变换器，通过小波注意模块有效解决偏微分方程求解中的局部细节和高频捕捉问题。

Comments Accepted to AAAI 2026 (Main Technical Track)

Sampling Control for Imbalanced Calibration in Semi-Supervised Learning

半监督学习中不平衡校准的采样控制

Senmao Tian, Xiang Wei, Shunli Zhang

机构 * Corresponding author（通讯作者） 纠错

AI总结 SC-SSL通过解耦采样控制减轻半监督学习中的类别不平衡问题，通过自适应调整采样概率和后处理校准logits，提升模型性能。

Comments Accepted at AAAI 2026

Think How Your Teammates Think: Active Inference Can Benefit Decentralized Execution

思考你的队友如何思考：主动推断可以促进去中心化执行

Hao Wu, Shoucheng Song, Chang Yao, Sheng Han, Huaiyu Wan, Youfang Lin, Kai Lv

AI总结 本文提出一种非通信MARL框架，通过局部观察建模实现队友决策认知，提升多智能体系统的协作效率。

Comments Accepted by AAAI 2026

DriveFlow: Rectified Flow Adaptation for Robust 3D Object Detection in Autonomous Driving

DriveFlow: 用于自动驾驶中鲁棒3D目标检测的校正流适应

Hongbin Lin, Yiming Yang, Chaoda Zheng, Yifan Zhang, Shuaicheng Niu, Zilu Guo, Yafeng Li, Gui Gui, Shuguang Cui, Zhen Li

AI总结 DriveFlow通过校正流适应方法提升自动驾驶中3D目标检测的鲁棒性，利用预训练文本到图像流模型实现高效的数据增强。

Comments Accepted by AAAI 2026

When Top-ranked Recommendations Fail: Modeling Multi-Granular Negative Feedback for Explainable and Robust Video Recommendation

当顶级推荐失效时：建模多粒度负面反馈以实现可解释且稳健的视频推荐

Siran Chen, Boyu Chen, Chenyun Yu, Yi Ouyang, Cheng Lei, Chengxiang Zhuo, Zang Li, Yali Wang

AI总结 本文提出ENF框架和S-GRPO算法，通过多粒度负面反馈建模提升视频推荐的可解释性和鲁棒性，实验表明在负面反馈预测和用户满意度提升方面效果显著。

Comments Accepted in AAAI 2026

Exploring Surround-View Fisheye Camera 3D Object Detection

探索环绕视图鱼眼相机的3D目标检测

Changcai Li, Wenwei Lin, Zuoxun Hou, Gang Chen, Wei Zhang, Huihui Zhou, Weishi Zheng

机构 * Changcai Li 1,2（李昌才 1,2） ； Wenwei Lin 1（林文伟 1） ； Zuoxun Hou 3（侯宙勋 3） ； Gang Chen 1（陈刚 1） ； Wei Zhang 2（张伟 2） ； Huihui Zhou 2（周会会 2） ； Weishi Zheng 1（郑伟世 1） 纠错

AI总结 本文提出FisheyeBEVDet和FisheyePETR两种方法，利用鱼眼图像的几何特性提升3D目标检测精度，通过Fisheye3DOD数据集验证效果，提升6.2%

Comments 9 pages,6 figures, accepted at AAAI 2026

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

Zero-Reference Joint Low-Light Enhancement and Deblurring via Visual Autoregressive Modeling with VLM-Derived Modulation

无需参考的联合低光照增强与去模糊化：基于视觉自回归建模与VLM衍生调制

Wei Dong, Han Zhou, Junwei Lin, Jun Chen

AI总结 本文提出了一种无需参考的联合低光照增强与去模糊化方法，基于视觉自回归建模和VLM衍生调制，通过自适应曲线估计和动态旋转位置编码提升模型对模糊和光照变化的处理能力。

Comments Accepted by AAAI 2026; First Var-based method for joint LLIE and deblurring

2D Gaussians Spatial Transport for Point-supervised Density Regression

二维高斯空间传输用于点监督密度回归

Miao Shang, Xiaopeng Hong

AI总结 本文提出基于高斯空间传输的点监督密度回归方法，通过高斯散射估计像素与标注对应关系，并利用贝叶斯概率计算传输计划，提升计算机视觉任务的效率。

Comments 15 pages, 6 figures. This is the preprint version of the paper and supplemental material to appear in AAAI, 2026. Please cite the final published version. Code is available at https://github.com/infinite0522/GST

Counterfactual Explainable AI (XAI) Method for Deep Learning-Based Multivariate Time Series Classification

因果可解释人工智能（XAI）方法用于基于深度学习的多变量时间序列分类

Alan G. Paredes Cetina, Kaouther Benguessoum, Raoni Lourenço, Sylvain Kubler

AI总结 CONFETTI是一种针对多变量时间序列分类的新型因果解释方法，通过平衡预测置信度、接近性和稀疏性，提升模型可解释性和决策支持能力。

Comments Accepted in AAAI 2026 Technical Main Track

Align$^3$GR: Unified Multi-Level Alignment for LLM-based Generative Recommendation

Align$^3$GR: 基于大语言模型的生成推荐系统统一多级对齐

Wencai Ye, Mingjie Sun, Shuhang Chen, Wenjin Wu, Peng Jiang

AI总结 Align$^3$GR通过统一多级对齐方法，提升大语言模型在生成推荐系统中的性能，实验显示在Recall@10和NDCG@10指标上均取得显著提升。

Comments Accepted by AAAI 2026 (Oral)

Privacy on the Fly: A Predictive Adversarial Transformation Network for Mobile Sensor Data

飞行中的隐私保护：一种用于移动传感器数据的预测对抗转换网络

Tianle Song, Chenhao Lin, Yang Cao, Zhengyu Zhao, Jiahao Sun, Chong Zhang, Le Yang, Chao Shen

AI总结 PATN通过实时生成对抗扰动保护移动传感器数据隐私，显著降低隐私推断模型性能，提升隐私保护效果。

Comments accepted by AAAI 2026 (oral)

Differentiated Directional Intervention A Framework for Evading LLM Safety Alignment

差异化方向干预：一种规避LLM安全对齐的框架

Peng Zhang, Peijie Sun

AI总结 本文提出DBDI框架，通过区分有害检测和拒绝执行方向，提升LLM安全对齐的规避效果。

Comments AAAI-26-AIA

G-UBS: Towards Robust Understanding of Implicit Feedback via Group-Aware User Behavior Simulation

G-UBS: 通过群体意识用户行为模拟实现隐式反馈的稳健理解

Boyu Chen, Siran Chen, Zhengrong Yue, Kainan Yan, Chenyun Yu, Beibei Kong, Cheng Lei, Chengxiang Zhuo, Zang Li, Yali Wang

AI总结 G-UBS通过群体意识用户行为模拟方法，利用群体档案引导强化学习，提升隐式反馈理解的鲁棒性和深度。

Comments Accepted in AAAI 2026

VPN: Visual Prompt Navigation

VPN: 视觉提示导航

Shuo Feng, Zihan Wang, Yuchen Li, Rui Kong, Hengyi Cai, Shuaiqiang Wang, Gim Hee Lee, Piji Li, Shuqiang Jiang

机构 * Baidu Inc.（百度公司） 纠错

AI总结 本文提出VPN，一种通过视觉提示引导智能体在2D地图上导航的新方法，构建了新数据集并设计了VPNet网络以提升导航性能。

Comments Accepted by AAAI 2026

Large Language Model Unlearning for Source Code

大型语言模型的源代码去学习

Xue Jiang, Yihong Dong, Huangzhao Zhang, Tangxinyu Wang, Zheng Fang, Yingwei Ma, Rongyu Cao, Binhua Li, Zhi Jin, Wenpin Jiao, Yongbin Li, Ge Li

AI总结 本研究提出PROD方法，通过精确去学习源代码中的违规片段，提升代码生成的可靠性与安全性。

Comments Accepted to AAAI'26

ExtendAttack: Attacking Servers of LRMs via Extending Reasoning

通过扩展推理攻击LRMs的服务器

Zhenhao Zhu, Yue Liu, Zhiwei Xu, Yingwei Ma, Hongcheng Gao, Nuo Chen, Yanpei Guo, Wenjie Qu, Huiying Xu, Zifeng Kang, Xinzhong Zhu, Jiaheng Zhang

AI总结 ExtendAttack通过扩展推理过程恶意占用LRMs服务器资源，显著增加响应长度和延迟，同时保持查询含义和回答准确性。

Comments Accepted to AAAI 2026. This arXiv version corresponds to the camera-ready manuscript and includes expanded appendices. Please cite the AAAI 2026 version when available

DriveSuprim: Towards Precise Trajectory Selection for End-to-End Planning

DriveSuprim: 向端到端规划的精确轨迹选择迈进

Wenhao Yao, Zhenxin Li, Shiyi Lan, Zi Wang, Xinglong Sun, Jose M. Alvarez, Zuxuan Wu

AI总结 DriveSuprim通过粗到细的候选过滤、旋转增强和自我蒸馏框架，提升端到端规划中轨迹选择的精确性和安全性，实现优异的性能指标。

Comments Accepted to AAAI 2026

Studying Classifier(-Free) Guidance From a Classifier-Centric Perspective

从分类器视角研究分类器自由引导

Xiaoming Zhao, Alexander G. Schwing

AI总结 本文从分类器角度研究分类器自由引导，发现其通过推离决策边界实现条件生成，并通过实验验证了分类器在高维数据中的作用。

Comments v3: AAAI 2026; v2: added derivation details in Appendix A

Human Cognition Inspired RAG with Knowledge Graph for Complex Problem Solving

受人类认知启发的基于知识图谱的RAG用于复杂问题解决

Yao Cheng, Yibo Zhao, Jiapeng Zhu, Yao Liu, Xing Sun, Xiang Li

AI总结 CogGRAG是一种受人类认知启发的基于图的RAG框架，通过树状思维图结构实现复杂问题分解、知识检索与推理，提升知识图谱问答的准确性和可靠性。

Comments The paper has been accepted by AAAI 2026

DICE: Distilling Classifier-Free Guidance into Text Embeddings

DICE: 将分类器无关引导 distilling 进文本嵌入

Zhenyu Zhou, Defang Chen, Can Wang, Chun Chen, Siwei Lyu

AI总结 DICE通过减少计算开销，在保持生成质量的同时，将基于CFG的文本到图像扩散模型转换为无CFG版本，提升图像生成效率。

Comments AAAI 2026 (Oral)