AAAI

Align When They Want, Complement When They Need! Human-Centered Ensembles for Adaptive Human-AI Collaboration

在需要时对齐，在想要时补充！面向适应性人机协作的人本集成

Hasan Amin, Ming Yin, Rajiv Khanna

AI总结 本文提出了一种人本适应性AI集成，通过上下文提示在对齐与互补模型间切换，以提升人机协作的性能与信任。

Comments AAAI 2026

FineVAU: A Novel Human-Aligned Benchmark for Fine-Grained Video Anomaly Understanding

FineVAU: 一种新的细粒度视频异常理解对齐基准

João Pereira, Vasco Lopes, João Neves, David Semedo

AI总结 FineVAU提出了一种新的视频异常理解基准，通过引入FVScore和FineW3数据集，提升对异常事件的细粒度和领域特定理解，解决现有评估方法与人类感知不一致的问题。

Comments Accepted at AAAI 2026

GOAL: Geometrically Optimal Alignment for Continual Generalized Category Discovery

GOAL: 为持续泛化类别发现的几何最优对齐

Jizhou Han, Chenhao Ding, SongLin Dong, Yuhang He, Shaokun Wang, Qiang Wang, Yihong Gong

AI总结 GOAL通过引入固定ETF分类器，实现持续泛化类别发现中的几何最优对齐，有效减少遗忘并提升新类别发现

Comments Accept by AAAI 2026

TextShield-R1: Reinforced Reasoning for Tampered Text Detection

TextShield-R1: 用于篡改文本检测的强化推理

Chenfan Qu, Yiwu Zhong, Jian Liu, Xuekang Zhu, Bohan Yu, Lianwen Jin

AI总结 TextShield-R1通过强化学习和OCR校正技术，提升篡改文本检测的准确性和鲁棒性，解决现有方法在微特征识别和跨语言评估中的不足。

Comments AAAI 2026

BLM-Guard: Explainable Multimodal Ad Moderation with Chain-of-Thought and Policy-Aligned Rewards

BLM-Guard：基于推理和政策对齐奖励的可解释多模态广告审核

Yiran Yang, Zhaowei Liu, Yuan Yuan, Yukun Song, Xiong Ma, Yinghao Song, Xiangji Zeng, Lu Sun, Yulu Wang, Hai Zhou, Shuai Cui, Zhaohan Gong, Jiefei Zhang

机构 * Kuaishou Technology（快手科技） 纠错

AI总结 BLM-Guard通过融合链式推理和政策对齐奖励，实现多模态广告的可解释性审核，提升审核的准确性与鲁棒性。

Comments 7 pages, 3 figures. To appear in AAAI 2026

Scalable Multi-Objective and Meta Reinforcement Learning via Gradient Estimation

可扩展的多目标与元强化学习通过梯度估计

Zhenshuo Zhang, Minxuan Duan, Youran Ye, Hongyang R. Zhang

AI总结 本文提出PolicyGradEx算法，通过梯度估计实现多目标强化学习的高效优化，实验表明其在机器人控制和Meta-World基准测试中优于现有方法，效率提升达26倍。

Comments 25 pages. Appeared in AAAI 2026

Calibrating Large Language Models with Sample Consistency

通过样本一致性校准大型语言模型

Qing Lyu, Kumar Shridhar, Chaitanya Malaviya, Li Zhang, Yanai Elazar, Niket Tandon, Marianna Apidianaki, Mrinmaya Sachan, Chris Callison-Burch

机构 * University of Pennsylvania（宾夕法尼亚大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院） 纠错

AI总结 通过样本一致性方法提升大型语言模型的校准效果，改进其预测置信度评估和性能表现。

Comments AAAI 2024