AAAI

PosterVerse: A Full-Workflow Framework for Commercial-Grade Poster Generation with HTML-Based Scalable Typography

PosterVerse: 一个用于商业级海报生成的全流程框架，基于HTML的可扩展字体

Junle Liu, Peirong Zhang, Yuyi Zhang, Pengyu Yan, Hui Zhou, Xinyue Zhou, Fengjun Guo, Lianwen Jin

AI总结 PosterVerse通过全流程框架和HTML驱动技术，实现商业级海报的高密度文本渲染与灵活设计。

Journal ref AAAI 2026 Oral

Evaluating LLMs for Police Decision-Making: A Framework Based on Police Action Scenarios

评估大语言模型用于警务决策：基于警务行动场景的框架

Sangyub Lee, Heedou Kim, Hyeoncheol Kim

AI总结 本文提出PAS框架，用于评估大语言模型在警务决策中的应用，揭示其在警务任务中的不足，并发布相关数据和模板以促进进一步研究。

Comments This work was accepted at AAAI 2026 social good track

Personalization of Large Foundation Models for Health Interventions

为健康干预个性化设计大型基础模型

Stefan Konigorski, Johannes E. Vedder, Babajide Alamu Owoyele, İbrahim Özkan

AI总结 本文提出混合框架，结合LFMs和N-of-1试验，以实现个性化医疗中的因果推断与责任AI整合。

Comments Accepted to the AAAI 2026 Workshop on Personalization in the Era of Large Foundation Models (PerFM)

EFX and PO Allocation Exists for Two Types of Goods

EFX和PO分配存在两种商品的情况

Vladimir Davidiuk, Yuriy Dementiev, Artur Ignatiev, Danil Sagunov

AI总结 本文证明在两种类型商品情况下，EFX和PO分配总能存在，并提出高效算法实现。

Comments Accepted at AAAI 2026

Exploration Through Introspection: A Self-Aware Reward Model

反思中的探索：一种自知奖励模型

Michael Petrowski, Milica Gašić

AI总结 本文提出一种基于反思的奖励模型，通过模拟疼痛信号探索自我意识对强化学习代理学习能力的影响，并展示了其在复杂行为复制中的优势。

Comments Accepted at AAAI-26 ToM4AI Workshop

Mass Concept Erasure in Diffusion Models with Concept Hierarchy

扩散模型中的概念擦除与概念层次

Jiahang Tu, Ye Li, Yiming Wu, Hanbin Zhao, Chao Zhang, Hui Qian

AI总结 本文提出了一种基于概念层次的扩散模型擦除方法，通过群体擦除和超类型保留低秩适应技术，提高擦除效率并减少生成质量退化。

Comments This paper has been accepted by AAAI 2026

Enhancing Noise Resilience in Face Clustering via Sparse Differential Transformer

通过稀疏微分变换器增强面部聚类的噪声鲁棒性

Dafeng Zhang, Yongqi Song, Shizhuo Liu

机构 * Dafeng Zhang, Yongqi Song, Shizhuo Liu（作者） 纠错

AI总结 本文提出稀疏微分变换器提升面部聚类的噪声鲁棒性，通过改进相似度测量方法以提高聚类性能。

Comments Published at AAAI 2026

Bandit Learning in Housing Markets

住房市场中的多玩家多臂老虎机学习

Shiyun Lin

AI总结 本文提出了一种基于多玩家多臂老虎机框架的统计学习模型，用于在未知偏好下学习住房市场的核心稳定分配。

Comments Accepted to AAAI 2026 as oral

Uncovering Bias Paths with LLM-guided Causal Discovery: An Active Learning and Dynamic Scoring Approach

通过LLM引导的因果发现揭示偏见路径：一种主动学习和动态评分方法

Khadija Zanna, Akane Sano

AI总结 本文提出一种结合LLM引导的主动学习和动态评分方法，用于在存在噪声和混杂因素时发现公平性相关的因果路径。

Comments To be presented at AAAI 2026

TransMamba: A Sequence-Level Hybrid Transformer-Mamba Language Model

TransMamba: 一种序列级混合Transformer-Mamba语言模型

Yixing Li, Ruobing Xie, Zhen Yang, Xingwu Sun, Shuaipeng Li, Weidong Han, Zhanhui Kang, Yu Cheng, Chengzhong Xu, Di Wang, Jie Jiang

机构 * Tencent Hunyuan（腾讯文英） ； The Chinese University of Hong Kong（香港中文大学） ； University of Macau（澳门大学） 纠错

AI总结 TransMamba通过共享参数矩阵统一Transformer和Mamba，实现序列级动态切换注意力与SSM机制，提升训练效率和性能。

Comments Accepted by AAAI 2026. Code: https://github.com/Yixing-Li/TransMamba

Difficulty Controlled Diffusion Model for Synthesizing Effective Training Data

困难控制扩散模型用于合成有效训练数据

Zerun Wang, Jiafeng Mao, Xueting Wang, Toshihiko Yamasaki

机构 * CyberAgent 纠错

AI总结 本文提出了一种困难控制扩散模型，通过引入学习难度作为额外条件信号，高效生成具有显著性能提升的困难样本，从而在多个数据集上实现了更低的生成成本和更高的性能。

Comments AAAI 2026 accepted