AAAI

Jupiter: Enhancing LLM Data Analysis Capabilities via Notebook and Inference-Time Value-Guided Search

木星：通过笔记本和推理时的价值引导搜索增强大语言模型的数据分析能力

Shuocheng Li, Yihao Liu, Silin Du, Wenxuan Zeng, Zhe Xu, Mengyu Zhou, Yeye He, Haoyu Dong, Shi Han, Dongmei Zhang

机构 * Microsoft（微软） 纠错

AI总结 Jupiter通过将数据分析建模为搜索问题，并结合价值模型和节点访问次数，提升大语言模型在多步推理和工具使用方面的性能。

Comments Accepted to AAAI 2026 (Main Technical Track)

MP1: MeanFlow Tames Policy Learning in 1-step for Robotic Manipulation

MP1: 均值流使政策学习在1步中适用于机器人操作

Juyi Sheng, Ziyi Wang, Peiming Li, Mengyuan Liu

AI总结 MP1通过MeanFlow范式和轻量级分散损失，在1-NFE中实现更精确且可控的动作轨迹生成，优于现有方法。

Comments This paper has been accepted by AAAI 2026

MoBGS: Motion Deblurring Dynamic 3D Gaussian Splatting for Blurry Monocular Video

MoBGS: 用于模糊单目视频的运动去模糊动态3D高斯点云技术

Minh-Quan Viet Bui, Jongmin Park, Juan Luis Gonzalez Bello, Jaeho Moon, Jihyong Oh, Munchurl Kim

AI总结 MoBGS通过模糊适应性潜在相机估计和曝光估计方法，实现对模糊单目视频中动态场景的高效去模糊和高质量时空视图重建。

Comments This paper has been accepted to AAAI 2026. The first two authors contributed equally to this work (equal contribution). The last two authors are co-corresponding authors. Please visit our project page at https://kaist-viclab.github.io/mobgs-site/

Reason-Plan-ReAct: A Reasoner-Planner Supervising a ReAct Executor for Complex Enterprise Tasks

原因-计划-行动：一种监督ReAct执行器的推理-规划器用于复杂企业任务

Gianni Molinari, Fabio Ciravegna

AI总结 RP-ReAct通过分离战略规划与低层执行，提升企业复杂任务处理的可靠性和效率。

Comments 11 pages, 1 figure, 2 tables, Workshop AAAI 2026 agentic AI Benchmarks and Applications for Enterprise Tasks

Step-by-step Layered Design Generation

逐步分层设计生成

Faizan Farooq Khan, K J Joseph, Koustava Goswami, Mohamed Elhoseiny, Balaji Vasan Srinivasan

AI总结 本文提出逐步分层设计生成方法，通过分层变化建模设计生成过程，引入新评估套件并验证其有效性。

Journal ref AAAI 2026

Robust Tabular Foundation Models

鲁棒表格基础模型

Matthew Peroni, Franck Le, Vadim Sheinin

AI总结 本文提出鲁棒表格基础模型（RTFM），通过参数化生成器分布实现对抗鲁棒性，提升表格基础模型的基准性能。

Comments Shaping Responsible Synthetic Data in the Era of Foundation Models, AAAI 2026

Journal ref Shaping Responsible Synthetic Data in the Era of Foundation Models, AAAI 2026

HydroDCM: Hydrological Domain-Conditioned Modulation for Cross-Reservoir Inflow Prediction

HydroDCM: 水文领域条件调节用于跨水库进水预测

Pengfei Hu, Fan Ming, Xiaoxue Han, Chang Lu, Yue Ning, Dan Lu

机构 * Oak Ridge National Laboratory（橡树岭国家实验室） 纠错

AI总结 HydroDCM通过引入空间元数据构建伪领域标签，结合对抗学习和轻量级条件层，实现跨水库进水预测的领域泛化与适应性。

Comments Accepted by AAAI 2026 workshop (oral) on AI for Environmental Science

Culture Affordance Atlas: Reconciling Object Diversity Through Functional Mapping

文化可及性图谱：通过功能映射调和物体多样性

Joan Nwatu, Longju Bai, Oana Ignat, Rada Mihalcea

AI总结 本文提出文化可及性图谱，通过功能映射调和物体多样性，减少经济绩效差距，提升低收入环境模型效果。

Journal ref AAAI 2026 Social Impact Track

PanFoMa: A Lightweight Foundation Model and Benchmark for Pan-Cancer

PanFoMa：一种轻量级基础模型和跨癌症基准

Xiaoshui Huang, Tianlin Zhu, Yifan Zuo, Xue Xia, Zonghan Wu, Jiebin Yan, Dingli Hua, Zongyi Xu, Yuming Fang, Jian Zhang

AI总结 PanFoMa通过结合Transformer和状态空间模型，提出了一种轻量级基础模型和跨癌症基准，有效捕捉局部和全局调控信号，提升单细胞转录组建模性能。

Comments Accepted by AAAI 2026

QGShap: Quantum Acceleration for Faithful GNN Explanations

QGShap：用于忠实图神经网络解释的量子加速

Haribandhu Jena, Jyotirmaya Shivottam, Subhankar Mishra

机构 * School of Computer Sciences（计算机科学学院） ； National Institute of Science Education and Research（国家科学教育与研究 institute） ； An OCC of Homi Bhabha National Institute, India（印度霍米·巴哈瓦国家研究所的分支） 纠错

AI总结 QGShap通过量子计算实现图神经网络解释的加速，提供精确且高效的Shapley值计算，提升解释的保真度和准确性。

Comments Accepted in the QC+AI Workshop at AAAI 2026

Focusing on Language: Revealing and Exploiting Language Attention Heads in Multilingual Large Language Models

聚焦语言：揭示并利用多语言大语言模型中的语言注意力头

Xin Liu, Qiyang Song, Qihang Zhou, Haichao Du, Shaowen Xu, Wenbo Jiang, Weijuan Zhang, Xiaoqi Jia

AI总结 本文提出LAHIS方法，通过分析多语言大语言模型中的注意力头，揭示语言特定与通用头的作用，并通过轻量级适应提升多语言性能。

Comments Accepted by AAAI-2026

S5: Scalable Semi-Supervised Semantic Segmentation in Remote Sensing

S5: 远程感知中可扩展的半监督语义分割

Liang Lv, Di Wang, Jing Zhang, Lefei Zhang

机构 * National Engineering Research Center for Multimedia Software, School of Computer Science, Wuhan University（国家多媒体软件工程研究中心，计算机学院，武汉大学） 纠错

AI总结 S5提出了一种可扩展的半监督语义分割框架，通过大规模数据集和预训练范式提升遥感任务的性能。

Comments AAAI 2026 Oral

Privacy-protected Retrieval-Augmented Generation for Knowledge Graph Question Answering

隐私保护的检索增强生成用于知识图谱问答

Yunfeng Ning, Mayi Xu, Jintao Wen, Qiankun Pi, Yuanyuan Zhu, Ming Zhong, Jiawei Jiang, Tieyun Qian

AI总结 本文提出ARoG框架，通过关系中心和结构导向的抽象策略，解决隐私保护下的知识图谱问答中的检索与隐私问题。

Comments Accepted by AAAI 2026, camera ready version

FantasyStyle: Controllable Stylized Distillation for 3D Gaussian Splatting

FantasyStyle: 用于3D高斯点云的可控风格化蒸馏

Yitong Yang, Yinglin Wang, Changshuo Wang, Huajie Wang, Shuting He

AI总结 FantasyStyle通过可控风格化蒸馏和多视图频率一致性，解决3DGS风格迁移中的多视图不一致和内容泄漏问题，提升风格化质量与视觉真实感。

Comments Accepted by AAAI 2026

MARS: A Meta-Adaptive Reinforcement Learning Framework for Risk-Aware Multi-Agent Portfolio Management

MARS：一种面向风险的多智能体投资组合管理元适应强化学习框架

Jiayi Chen, Jing Li, Guiling Wang

AI总结 MARS通过多智能体和风险导向的方法，实现投资组合管理中风险与收益的平衡，利用行为多样性提升市场环境下的稳健性。

Comments Accepted by AAAI 2026 Main Track

A$^2$LC: Active and Automated Label Correction for Semantic Segmentation

A$^2$LC: 语义分割中的主动和自动化标签校正

Youjin Jeon, Kyusik Cho, Suhan Woo, Euntai Kim

AI总结 A$^2$LC通过主动和自动化标签校正框架，显著提升语义分割的效率和性能，仅用20%的预算就超越现有方法。

Comments Accepted by AAAI 2026

Margin-aware Preference Optimization for Aligning Diffusion Models without Reference

基于边界的偏好优化：无需参考的扩散模型对齐

Jiwoo Hong, Sayak Paul, Noah Lee, Kashif Rasul, James Thorne, Jongheon Jeong

AI总结 本文提出MaPO，一种无需参考的扩散模型对齐方法，通过优化偏好输出与非偏好输出之间的边界，提升T2I任务的适应性能，减少训练时间并优于现有方法。

Comments Accepted to AAAI 2026 Main Technical Track