AAAI

Causal Structure Learning for Dynamical Systems with Theoretical Score Analysis

动态系统因果结构学习的理论分数分析

Nicholas Tagliapietra, Katharina Ensinger, Christoph Zimmer, Osman Mian

AI总结 CaDyT通过理论分数分析方法，改进动态系统因果结构学习，优于现有方法，适用于规则和非规则采样数据。

Comments Accepted as Oral at AAAI 2026 Conference

Debiasing Diffusion Priors via 3D Attention for Consistent Gaussian Splatting

通过3D注意力解偏扩散先验以实现一致的高斯点散布

Shilong Jin, Haoran Duan, Litao Hua, Wentao Huang, Yuan Zhou

AI总结 通过3D注意力解偏扩散先验以实现一致的高斯点散布，解决T2I模型中的视角偏见问题，提升3D任务的多视角一致性。

Comments Accepted by AAAI 2026, Code is available at: https://github.com/kimslong/AAAI26-TDAttn

Exo2Ego: Exocentric Knowledge Guided MLLM for Egocentric Video Understanding

Exo2Ego：基于外部知识引导的多模态大语言模型用于第一人称视频理解

Haoyu Zhang, Qiaohui Chu, Meng Liu, Haoxiang Shi, Yaowei Wang, Liqiang Nie

AI总结 Exo2Ego通过迁移学习提升内向视频理解能力，利用外向知识增强模型性能。

Comments This paper is accepted by AAAI 2026

LWGANet: Addressing Spatial and Channel Redundancy in Remote Sensing Visual Tasks with Light-Weight Grouped Attention

LWGANet: 通过轻量级分组注意力解决遥感视觉任务中的空间和通道冗余

Wei Lu, Xue Yang, Si-Bao Chen

AI总结 LWGANet通过轻量级分组注意力模块有效解决遥感任务中的空间和通道冗余问题，提升模型效率与准确率。

Comments Accepted by AAAI 2026 (Oral)

AnchorHOI: Zero-shot Generation of 4D Human-Object Interaction via Anchor-based Prior Distillation

AnchorHOI: 通过基于锚点的先验蒸馏实现零样本4D人-物交互生成

Sisi Dai, Kai Xu

AI总结 AnchorHOI通过基于锚点的先验蒸馏策略，结合视频扩散模型提升4D人-物交互生成的多样性和泛化能力。

Comments AAAI 2026

Intention Chain-of-Thought Prompting with Dynamic Routing for Code Generation

具有动态路由的意图链式思维提示法用于代码生成

Shen Li, Li Huang, Shaoxiong Zhan, Weifeng Sun, Tao Yin, Zhongxin Liu, Meng Yan

AI总结 RoutingGen通过动态路由策略优化代码生成，结合少样本提示与结构化推理策略ICoT，提升生成效率与质量。

Comments Accepted at AAAI-2026

Verification-Guided Context Optimization for Tool Calling via Hierarchical LLMs-as-Editors

通过分层大语言模型作为编辑器进行工具调用的验证引导上下文优化

Henger Li, Shuangjie You, Flavio Di Palo, Yiyue Qian, Ayush Jain

AI总结 通过分层LLM作为编辑器，验证引导上下文优化提升工具调用的准确性和泛化能力。

Comments Accepted by AAAI 2026 Workshop on Agentic AI Benchmarks and Applications for Enterprise Tasks

Human-AI Collaboration Mechanism Study on AIGC Assisted Image Production for Special Coverage

面向特殊报道的AIGC辅助图像生成中的人机协作机制研究

Yajie Yang, Yuqing Zhao, Xiaochao Xi, Yinan Zhu

AI总结 本文提出了一种人机协作机制，用于在特殊报道中通过AIGC辅助图像生成，结合高精度分割、语义对齐和风格调节技术，确保内容准确性和可验证性。

Comments AAAI-AISI 2026

Plug-and-Play Parameter-Efficient Tuning of Embeddings for Federated Recommendation

即插即用的嵌入参数高效调优用于联邦推荐

Haochen Yuan, Yang Zhang, Xiang He, Quan Z. Sheng, Zhongjie Wang

AI总结 本文提出一种参数高效调优的联邦推荐框架，通过减少嵌入参数传输量来提升通信效率和模型准确性。

Comments This paper has been accepted for publication at AAAI 2026

Scaling and Transferability of Annealing Strategies in Large Language Model Training

在大语言模型训练中退火策略的扩展性与可迁移性

Siqi Wang, Zhengyu Chen, Teng Xiao, Zheqi Lv, Jinluan Yang, Xunliang Cai, Jingang Wang, Xiaomeng Li

AI总结 本研究提出了一种通用框架，用于优化大语言模型训练中的退火策略，通过实验表明退火策略可跨不同模型配置迁移，提高了学习率调度的效率和实用性。

Comments Accepted to AAAI 2026 (camera-ready version)

MMhops-R1: Multimodal Multi-hop Reasoning

MMhops-R1: 多模态多跳推理

Tao Zhang, Ziqi Zhang, Zongyang Ma, Yuxin Chen, Bing Li, Chunfeng Yuan, Guangting Wang, Fengyun Rao, Ying Shan, Weiming Hu

AI总结 MMhops-R1通过动态规划和多模态知识整合，提升多跳推理能力，提出新型mRAG框架并提供挑战性基准。

Comments Acceped by AAAI 2026

IdealTSF: Can Non-Ideal Data Contribute to Enhancing the Performance of Time Series Forecasting Models?

IdealTSF: 非理想数据能否提升时间序列预测模型的性能？

Hua Wang, Jinghao Lu, Fan Zhang

AI总结 IdealTSF通过整合理想正负样本提升时间序列预测性能，利用非理想数据增强模型表现。

Comments Accepted at AAAI 2026

Cog-RAG: Cognitive-Inspired Dual-Hypergraph with Theme Alignment Retrieval-Augmented Generation

Cog-RAG: 基于认知的双超图主题对齐检索增强生成

Hao Hu, Yifan Feng, Ruoxue Li, Rundong Xue, Xingliang Hou, Zhiqiang Tian, Yue Gao, Shaoyi Du

AI总结 Cog-RAG通过双超图结构和主题对齐策略，提升检索增强生成的语义对齐与生成一致性。

Comments Accepted by AAAI 2026 main conference

Journal ref AAAI 2026

Guideline-Consistent Segmentation via Multi-Agent Refinement

通过多智能体细化实现指南一致的分割

Vanshika Vats, Ashwani Rathee, James Davis

AI总结 本文提出一种多智能体无训练框架，通过Worker-Supervisor迭代细化架构实现指南一致的分割，有效应对复杂文本指南。

Comments To be published in The Fortieth AAAI Conference on Artificial Intelligence (AAAI 2026)

Transparent Networks for Multivariate Time Series

透明网络用于多变量时间序列

Minkyu Kim, Suan Lee, Jinho Kim

AI总结 本文提出了一种名为GATSM的透明神经网络模型，用于处理多变量时间序列，通过独立特征网络和透明时间模块有效捕捉时间模式，同时保持模型的可解释性。

Comments AAAI-26 Special Track on AI Alignment