AAAI

AutoPP: Towards Automated Product Poster Generation and Optimization

AutoPP：迈向自动化产品海报生成与优化

Jiahao Fan, Yuxin Qin, Wei Feng, Yanyin Chen, Yaoyu Li, Ao Ma, Yixiu Li, Li Zhuang, Haoyi Bian, Zheng Zhang, Jingjing Lv, Junjie Shen, Ching Law

机构 * Project Leader and Corresponding Author（项目负责人及通讯作者） 纠错

AI总结 AutoPP 通过自动化流程生成和优化产品海报，利用统一设计模块和元素渲染模块，结合在线反馈提升点击通过率，实现高质量的海报生成与优化。

Comments Accepted to AAAI 2026

Bridging the Copyright Gap: Do Large Vision-Language Models Recognize and Respect Copyrighted Content?

弥合版权鸿沟：大型视觉-语言模型是否能识别并尊重受版权保护的内容？

Naen Xu, Jinghuai Zhang, Changjiang Li, Hengyu An, Chunyi Zhou, Jun Wang, Boyu Xu, Yuyuan Li, Tianyu Du, Shouling Ji

AI总结 本文研究大型视觉-语言模型在处理受版权保护内容时的合规性问题，提出了一种新的工具增强防御框架以降低侵权风险。

Comments AAAI 2026 (Oral)

TimeBill: Time-Budgeted Inference for Large Language Models

TimeBill: 为大语言模型设计的时间预算推理方法

Qi Fan, An Zou, Yehan Ma

AI总结 TimeBill提出了一种时间预算推理框架，通过细粒度响应长度预测和执行时间估计，提升大语言模型在时间敏感任务中的效率和响应性能。

Comments Accepted to AAAI 2026

RoadSceneVQA: Benchmarking Visual Question Answering in Roadside Perception Systems for Intelligent Transportation System

RoadSceneVQA: 用于智能交通系统 roadside 系统的视觉问答基准测试

Runwei Guan, Rongsheng Hu, Shangshu Chen, Ningyuan Xiao, Xue Xia, Jiayang Liu, Beibei Chen, Ziren Tang, Ningwei Ouyang, Shaofeng Liang, Yuxuan Fan, Wanjie Sun, Yutao Yue

AI总结 RoadSceneVQA 通过大规模标注数据和 CogniAnchor 融合模块，提升多模态大语言模型在交通感知与推理任务中的性能。

Comments 10 pages, 6 figures, accepted by AAAI 2026. The model is also called Dream, to the other me in the world forever

SIGN: Schema-Induced Games for Naming

SIGN：基于模式的命名游戏

Ryan Zhang, Herbert Woisetschläger

AI总结 SIGN通过引入轻量结构引导惯例形成，提升了多代理协调效率，其在命名游戏中展示了更高的收敛速度和一致性。

Comments AAAI 2026 Student Abstract (Oral). Code available ar https://github.com/ryanzhangofficial/schema-induced-games-for-naming

StepFun-Formalizer: Unlocking the Autoformalization Potential of LLMs through Knowledge-Reasoning Fusion

StepFun-Formalizer: 通过知识推理融合解锁大语言模型的自动形式化潜力

Yutong Wu, Di Huang, Ruosi Wan, Yue Peng, Shijie Shang, Chenrui Cao, Lei Qi, Rui Zhang, Zidong Du, Jie Yan, Xing Hu

AI总结 StepFun-Formalizer通过知识推理融合提升大语言模型的自动形式化能力，在FormalMATH-Lite和ProverBench上取得最佳成绩。

Comments AAAI 2026 Oral. Extended version with full appendix, 25 pages, 17 figures

Spatiotemporal-Untrammelled Mixture of Experts for Multi-Person Motion Prediction

时空无约束专家混合模型用于多人动作预测

Zheng Yin, Chengjian Li, Xiangbo Shu, Meiqi Cao, Rui Yan, Jinhui Tang

AI总结 本文提出ST-MoE模型，通过引入双向时空Mamba专家，有效捕捉多人动作的复杂时空依赖，提升预测精度并降低计算成本。

Comments 12 pages, 7 figures, Accepted by AAAI 2026 (oral)

AMS-IO-Bench and AMS-IO-Agent: Benchmarking and Structured Reasoning for Analog and Mixed-Signal Integrated Circuit Input/Output Design

AMS-IO-Bench 和 AMS-IO-Agent：用于模拟和混合信号集成电路输入/输出设计的基准测试与结构化推理

Zhishuai Zhang, Xintian Li, Shilong Liu, Aodong Zhang, Lu Jie, Nan Sun

AI总结 本文提出 AMS-IO-Agent 和 AMS-IO-Bench，通过结构化推理提升模拟和混合信号集成电路输入/输出设计效率，实现高通过率和缩短设计周期。

Comments 8 pages, 5 figures. Accepted to AAAI 2026

Exploration of Reproducible Generated Image Detection

可重复生成图像检测探索

Yihang Duan

AI总结 本研究通过重现AIGC检测方法，揭示了可重复性差的根本原因，并为提高检测技术的可重复性和泛化能力提供了实证依据。

Comments AAAI workshop RAI accepted

Vision Transformers are Circulant Attention Learners

视觉Transformer是循环注意力学习者

Dongchen Han, Tianyu Li, Ziyi Wang, Gao Huang

AI总结 本文提出循环注意力机制，通过利用自注意力的内在高效模式，实现O(N log N)的计算复杂度并保持标准自注意力的容量，为视觉Transformer提供新的高效替代方案。

Comments AAAI 2026

Reflection-Driven Control for Trustworthy Code Agents

基于反射的可信代码代理控制

Bin Wang, Jiazheng Quan, Xingrui Yu, Hansen Hu, Yuhao, Ivor Tsang

AI总结 本文提出反射驱动控制方法，通过内部反思循环提升代码生成的安全性和合规性，实现自主、安全且可审计的AI代码代理。

Comments Accepted to AAAI 2026 Workshop on Trust and Control in Agentic AI (TrustAgent)

Copyright Infringement Detection in Text-to-Image Diffusion Models via Differential Privacy

通过差分隐私在文本到图像扩散模型中检测版权侵权

Xiafeng Man, Zhipeng Wei, Jingjing Chen

AI总结 本文提出DPM框架，通过差分隐私概念检测文本到图像扩散模型中的版权侵权，无需原始数据集即可实现可靠检测。

Comments AAAI 2026 (Oral)

Phased One-Step Adversarial Equilibrium for Video Diffusion Models

相位单步对抗均衡用于视频扩散模型

Jiaxiang Cheng, Bing Ma, Xuhua Ren, Hongyi Henry Jin, Kai Yu, Peng Zhang, Wenyue Li, Yuan Zhou, Tianxiang Zheng, Qinglin Lu

AI总结 V-PAE通过相位单步对抗均衡方法提升大规模视频模型的生成质量与效率，实现高质量视频生成并显著降低扩散延迟。

Comments Accepted by AAAI 2026. Project Page: https://v-pae.github.io/

PhysicsCorrect: A Training-Free Approach for Stable Neural PDE Simulations

PhysicsCorrect: 一种无需训练的稳定神经PDE模拟方法

Xinquan Huang, Paris Perdikaris

AI总结 PhysicsCorrect通过无需训练的修正框架，有效减少神经PDE模拟中的预测误差，提升稳定性与物理准确性。

Comments AAAI 2026 Oral

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 2026