AAAI

Designing Truthful Mechanisms for Asymptotic Fair Division

为渐近公平分配设计 truthful 机制

Jugal Garg, Vishnu V. Narayan, Yuang Eric Shen

AI总结 本文提出了一种在期望下 truthful 的随机机制，用于在渐近设定下实现公平分配。

Comments 34 pages. To appear at AAAI 2026

Authority Backdoor: A Certifiable Backdoor Mechanism for Authoring DNNs

权威后门：为作者撰写的DNNs的可证明后门机制

Han Yang, Shaofeng Li, Tian Dong, Xiangyu Xu, Guangchi Liu, Zhen Ling

AI总结 本文提出一种可证明的权威后门机制，通过嵌入访问限制和对抗鲁棒性，主动保护DNNs免受非法使用。

Comments Accepted to AAAI 2026 (Main Track). Code is available at: https://github.com/PlayerYangh/Authority-Trigger

Is the Information Bottleneck Robust Enough? Towards Label-Noise Resistant Information Bottleneck Learning

信息瓶颈是否足够稳健？迈向抗标签噪声的信息瓶颈学习

Yi Huang, Qingyun Sun, Yisen Gao, Haonan Yuan, Xingcheng Fu, Jianxin Li

AI总结 LaT-IB通过引入'最小充分清洁'准则，提升信息瓶颈方法在标签噪声下的稳健性和效率。

Comments Accepted by the Main Technical Track of the 40th Annual AAAI Conference on Artificial Intelligence (AAAI-2026)

Targeted Data Protection for Diffusion Model by Matching Training Trajectory

通过匹配训练轨迹实现扩散模型的定向数据保护

Hojun Lee, Mijin Koo, Yeji Song, Nojun Kwak

AI总结 本文提出TAFAP方法，通过控制扩散模型的训练轨迹实现有效的定向数据保护，同时保持图像质量，解决了现有方法可控性差的问题。

Comments AAAI 2026

RaLiFlow: Scene Flow Estimation with 4D Radar and LiDAR Point Clouds

RaLiFlow: 基于4D雷达和激光雷达点云的场景流估计

Jingyun Fu, Zhiyu Xiang, Na Zhao

AI总结 RaLiFlow是首个联合4D雷达和激光雷达的场景流学习框架，通过动态感知双向跨模态融合模块和精心设计的损失函数实现高效的雷达-激光雷达融合。

Comments Accepted by AAAI

REMISVFU: Vertical Federated Unlearning via Representation Misdirection for Intermediate Output Feature

REMISVFU: 通过中间输出特征的表示误导实现垂直联邦遗忘

Wenhan Wu, Zhili He, Huanghuang Liang, Yili Gong, Jiawei Jiang, Chuang Hu, Dazhao Cheng

机构 * \equalcontrib（机构1） ； \corrds（机构3） 纠错

AI总结 REMISVFU通过表示误导方法实现垂直联邦学习中的高效客户端级遗忘，有效抑制后门攻击并保持模型效用。

Comments The 40th Annual AAAI Conference on Artificial Intelligence

InfoCom: Kilobyte-Scale Communication-Efficient Collaborative Perception with Information Bottleneck

InfoCom: 千字级通信高效协作感知与信息瓶颈

Quanmin Wei, Penglin Dai, Wei Li, Bingyi Liu, Xiao Wu

AI总结 InfoCom通过信息瓶颈原理实现通信高效协作感知，显著降低通信开销，提升自动驾驶环境感知精度。

Comments Accepted by the 40th AAAI Conference on Artificial Intelligence (AAAI-26)

StateSpace-SSL: Linear-Time Self-supervised Learning for Plant Disease Detection

StateSpace-SSL: 用于植物疾病检测的线性时间自监督学习

Abdullah Al Mamun, Miaohua Zhang, David Ahmedt-Aristizabal, Zeeshan Hayder, Mohammad Awrangjeb

AI总结 StateSpace-SSL通过视觉Mamba状态空间编码器实现线性时间自监督学习，有效提升植物疾病检测的特征表示能力。

Comments Accepted to AAAI workshop (AgriAI 2026)

Magnitude-Modulated Equivariant Adapter for Parameter-Efficient Fine-Tuning of Equivariant Graph Neural Networks

幅度调制等价适配器：用于等价图神经网络参数高效微调的方法

Dian Jin, Yancheng Yuan, Xiaoming Tao

AI总结 MMEA是一种新颖的等价微调方法，通过轻量级标量门控调节特征幅度，在保持等价性的同时提升模型在多个基准上的能量和力预测性能。

Comments Accepted at AAAI 2026 (Poster)

GT-SNT: A Linear-Time Transformer for Large-Scale Graphs via Spiking Node Tokenization

GT-SNT: 一种通过脉冲节点令牌化实现大规模图的线性时间图变换器

Huizhe Zhang, Jintang Li, Yuchang Zhu, Huazhen Zhong, Liang Chen

AI总结 GT-SNT通过脉冲节点令牌化实现大规模图的线性时间图变换器，提升节点分类性能和推理速度。

Comments Accepted by AAAI 2026; Code is available at https://github.com/Zhhuizhe/GT-SNT

Forest vs Tree: The $(N, K)$ Trade-off in Reproducible ML Evaluation

森林与树：可重复机器学习评估中的(N,K)权衡

Deepak Pandita, Flip Korn, Chris Welty, Christopher M. Homan

AI总结 本文研究了在可重复机器学习评估中N和K的权衡，发现考虑人类分歧时，N×K通常不超过1000，并探讨了不同评估指标对K和N的依赖关系。

Comments Accepted at AAAI-26