AAAI

The Limitations and Power of NP-Oracle-Based Functional Synthesis Techniques

基于NP预言机的功能合成技术的局限性与能力

Brendan Juba, Kuldeep S. Meel

AI总结 本文研究了基于NP预言机的功能合成技术的理论局限性与能力，证明了NP预言机对于高效合成的必要性，并展示了在特定规范下合成小斯科伦函数的可行性。

Comments The conference version of the paper will appear in Proceedings of AAAI 2026

SlideTailor: Personalized Presentation Slide Generation for Scientific Papers

SlideTailor: 科学论文个性化演示文稿生成

Wenzheng Zeng, Mingyu Ouyang, Langyuan Cui, Hwee Tou Ng

AI总结 SlideTailor通过用户指定的偏好生成个性化科学论文演示文稿，结合人类行为启发的代理框架和语音链机制，提升生成质量与应用效果。

Comments AAAI 2026 (with appendix)

MAPI-GNN: Multi-Activation Plane Interaction Graph Neural Network for Multimodal Medical Diagnosis

MAPI-GNN：多激活平面交互图神经网络用于多模态医学诊断

Ziwei Qin, Xuhui Song, Deqing Huang, Na Qin, Jun Li

机构 * Ziwei Qin（独立研究者） ； Xuhui Song（独立研究者） ； Deqing Huang（独立研究者） ； Na Qin（独立研究者） ； Jun Li（独立研究者） 纠错

AI总结 MAPI-GNN通过多激活平面交互机制，有效建模患者特异性病理关系，提升多模态医学诊断的准确性。

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

Vehicle-centric Perception via Multimodal Structured Pre-training

基于多模态结构预训练的车辆感知

Wentao Wu, Xiao Wang, Chenglong Li, Jin Tang, Bin Luo

机构 * Information Materials and Intelligent Sensing Laboratory of Anhui Province（安徽省信息材料与智能感知实验室） ； Anhui Provincial Key Laboratory of Multimodal Cognitive Computation（安徽省多模态认知计算重点实验室） ； the School of Artificial Intelligence, Anhui University（安徽大学人工智能学院） ； School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） 纠错

AI总结 本文提出VehicleMAE-V2，通过多模态结构先验知识提升车辆感知的预训练能力，采用SMM、CRM和SRM模块增强模型对车辆结构和语义的理解。

Comments Journal extension of VehicleMAE (AAAI 2024)

How Many Experts Are Enough? Towards Optimal Semantic Specialization for Mixture-of-Experts

需要多少专家？迈向混合专家架构的最优语义专业化

Sumin Park, Noseong Park

AI总结 MASS通过自适应语义专业化和动态路由策略，优化混合专家架构的语义分化，提升模型性能和领域鲁棒性。

Comments Accepted to AAAI 2026 (Main Track)

HeadHunt-VAD: Hunting Robust Anomaly-Sensitive Heads in MLLM for Tuning-Free Video Anomaly Detection

HeadHunt-VAD: 在MLLM中寻找鲁棒的异常敏感头部以实现无调优视频异常检测

Zhaolin Cai, Fan Li, Ziwei Zheng, Haixia Bi, Lijun He

AI总结 HeadHunt-VAD通过直接在冻结的MLLM中寻找鲁棒的异常敏感头部，实现高效的无调优视频异常检测。

Comments AAAI 2026 Oral

Continuous Vision-Language-Action Co-Learning with Semantic-Physical Alignment for Behavioral Cloning

具有语义-物理对齐的连续视觉-语言-动作共学用于行为克隆

Xiuxiu Qi, Yu Yang, Jiannong Cao, Luyao Bai, Chongshan Fan, Chengtai Cao, Hongpeng Wang

AI总结 本文提出CCoL框架，通过连续共学视觉、语言和动作，解决行为克隆中的语义-物理不一致问题，提升动作执行的准确性和鲁棒性。

Comments Accepted at AAAI 2026, the Project website is available at https://qhemu.github.io/CCoL/

Enhancing Uncertainty Estimation in LLMs with Expectation of Aggregated Internal Belief

通过聚合内部信念期望增强大语言模型的不确定性估计

Zeguan Xiao, Diyang Dou, Boya Xiong, Yun Chen, Guanhua Chen

AI总结 本文提出EAGLE方法，通过聚合内部信念期望提升大语言模型的不确定性估计，改进校准性能。

Comments Accepted by AAAI 2026

Persistent Instability in LLM's Personality Measurements: Effects of Scale, Reasoning, and Conversation History

大语言模型人格测量中的持久不稳定性：规模、推理和对话历史的影响

Tommaso Tosato, Saskia Helbling, Yorguin-Jose Mantilla-Ramos, Mahmood Hegazy, Alberto Tosato, David John Lemay, Irina Rish, Guillaume Dumas

AI总结 研究发现大语言模型在人格测量中存在持续不稳定性，规模扩大、推理和对话历史等干预措施未能有效提升稳定性。

Comments Accepted at AAAI 2026, Track on AI Alignment

C3RL: Rethinking the Combination of Channel-independence and Channel-mixing from Representation Learning

C3RL: 重新思考从表示学习角度的通道独立性和通道混合的结合

Shusen Ma, Yun-Bo Zhao, Yu Kang

AI总结 C3RL通过联合建模通道混合与通道独立策略，提升多变量时间序列预测的性能和泛化能力。

Comments Accepted by AAAI 2026

AI-based Traffic Modeling for Network Security and Privacy: Challenges Ahead

基于AI的网络流量建模用于网络安全与隐私：面临的挑战

Dinil Mon Divakaran

AI总结 本文探讨了基于AI的网络流量分析在网络安全和隐私保护中的应用及面临的挑战。

Comments Accepted at the AAAI 2026 Workshop on Artificial Intelligence for Cyber Security (AICS)