AAAI

Time Series Forecasting via Direct Per-Step Probability Distribution Modeling

通过直接每步概率分布建模进行时间序列预测

Linghao Kong, Xiaopeng Hong

AI总结 interPDN通过直接构建每步离散概率分布，改进时间序列预测的不确定性建模与长期趋势预测能力。

Comments 16 pages, 8 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/leonardokong486/interPDN

HPSU: A Benchmark for Human-Level Perception in Real-World Spoken Speech Understanding

HPSU：面向真实世界语音理解的人类水平感知基准

Chen Li, Peiji Yang, Yicheng Zhong, Jianxing Yu, Zhisheng Wang, Zihao Gou, Wenqing Chen, Jian Yin

AI总结 HPSU是一个用于评估语音大语言模型人类水平感知能力的基准，通过融合多模态信息提升标注效率，揭示当前模型在真实语音理解上的不足。

Comments Accepted by AAAI 2026

Fairness in the Multi-Secretary Problem

多秘书问题中的公平性

Georgios Papasotiropoulos, Zein Pishbin

机构 * University of Warsaw（华沙大学） ； Université Paris Dauphine‑PSL（巴黎-萨特大学） 纠错

AI总结 本文提出融合在线算法与社交选择规则的机制，解决多秘书问题中的公平性问题。

Comments AAAI'26

Do We Need Perfect Data? Leveraging Noise for Domain Generalized Segmentation

我们真的需要完美数据吗？利用噪声进行领域泛化分割

Taeyeong Kim, SeungJoon Lee, Jung Uk Kim, MyeongAh Cho

AI总结 FLEX-Seg通过利用生成图像与语义掩码的固有不一致，提出了一种鲁棒的领域泛化分割方法，提升了分割性能。

Comments Accepted by AAAI 2026

Merging Mechanisms for Ads and Organic Items in E-commerce Platforms

电商平台上广告项与有机项的合并机制

Nan An, Weian Li, Qi Qi, Liang Zhang

AI总结 本文提出两种简单有效的机制，实现了广告与有机物品的合并，满足激励相容性、个体理性、适应多槽位等属性，并保证了近似比率。

Comments Proceedings of the AAAI Conference on Artificial Intelligence, Vol. 39 No. 13: AAAI-25 Technical Tracks 13 (pp. 13547-13554)

Leveraging Textual Compositional Reasoning for Robust Change Captioning

利用文本组合推理实现鲁棒的变更描述

Kyu Ri Park, Jiyoung Park, Seong Tae Kim, Hong Joo Lee, Jung Uk Kim

AI总结 CORTEX通过整合文本线索和组合推理，提升图像变化描述的鲁棒性与准确性。

Comments Accepted at AAAI 2026

PRISM: Privacy-Aware Routing for Adaptive Cloud-Edge LLM Inference via Semantic Sketch Collaboration

PRISM：通过语义草图协作实现隐私感知的自适应云-边LLM推理

Junfei Zhan, Haoxun Shen, Zheng Lin, Tengjiao He

AI总结 PRISM通过语义草图协作实现隐私感知的自适应云-边LLM推理，动态平衡隐私与推理质量，降低能耗和延迟，提升输出质量。

Comments Accepted to AAAI 2026. This is the arXiv preprint version

Splat-SAP: Feed-Forward Gaussian Splatting for Human-Centered Scene with Scale-Aware Point Map Reconstruction

Splat-SAP：基于双目相机的大稀疏场景的人为中心场景的前馈高斯点扩散

Boyao Zhou, Shunyuan Zheng, Zhanfeng Liao, Zihan Ma, Hanzhang Tu, Boning Liu, Yebin Liu

机构 * Tsinghua University（清华大学） 纠错

AI总结 Splat-SAP通过前馈高斯点扩散方法，利用像素级点图重建和两阶段学习策略，提升大稀疏场景的人为中心渲染稳定性与视觉质量。

Comments Accepted by AAAI 2026. Project page: https://yaourtb.github.io/Splat-SAP

Scaling Equitable Reflection Assessment in Education via Large Language Models and Role-Based Feedback Agents

通过大型语言模型和基于角色的反馈代理实现教育中的公平性评估扩展

Chenyu Zhang, Xiaohang Luo

AI总结 本文提出利用多代理LLM系统实现公平、高质量的形成性反馈，通过角色化代理生成公平、简洁的反馈，提升教育公平性与教学效率。

Comments Accepted to AAAI-26 AISI Track

Rethinking Progression of Memory State in Robotic Manipulation: An Object-Centric Perspective

重新思考机器人操作中记忆状态的演进：以对象为中心的视角

Nhat Chung, Taisei Hanyu, Toan Nguyen, Huy Le, Frederick Bumgarner, Duy Minh Ho Nguyen, Khoa Vo, Kashu Yamazaki, Chase Rainwater, Tung Kieu, Anh Nguyen, Ngan Le

AI总结 本文提出Embodied-SlotSSM框架，用于解决机器人操作中非马尔可夫推理问题，通过槽位状态空间建模和关系编码器实现时间可扩展的视觉-语言-动作推理。

Comments Accepted at AAAI 2026

Uncovering Zero-Shot Generalization Gaps in Time-Series Foundation Models Using Real-World Videos

通过真实世界视频揭示时间序列基础模型的零样本泛化差距

Lujun Li, Lama Sleem, Yiqun Wang, Yangjie Xu, Niccolò Gentile, Radu State

AI总结 本文提出REAL-V-TSFM数据集，通过真实世界视频提取时间序列，揭示现有时间序列基础模型在零样本预测中的泛化能力不足问题。

Comments This paper has been accepted by Artificial Intelligence for Time Series Analysis (AI4TS) Workshop @ AAAI 2026: Theory, Algorithms, and Applications

CAMA: Enhancing Mathematical Reasoning in Large Language Models with Causal Knowledge

CAMA: 通过因果知识增强大语言模型的数学推理

Lei Zan, Keli Zhang, Ruichu Cai, Lujia Pan

机构 * Huawei Noah’s Ark Lab France（华为诺亚实验室（法国）） ； Guangdong University of Technology Peng Cheng Laboratory（广东工业大学鹏城实验室） ； Huawei Noah’s Ark Lab China（华为诺亚实验室（中国）） 纠错

AI总结 CAMA通过构建数学因果图并结合因果知识，提升大语言模型在数学推理任务中的性能。

Journal ref Main Track, AAAI 2026

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