AAAI

SOM Directions are Better than One: Multi-Directional Refusal Suppression in Language Models

SOM方向优于单一方向：语言模型中的多方向拒绝抑制

Giorgio Piras, Raffaele Mura, Fabio Brau, Luca Oneto, Fabio Roli, Battista Biggio

AI总结 本文提出利用自组织映射(SOM)提取多方向拒绝特征，通过分析有害提示表示与无害提示表示的差异，验证了多方向抑制方法在提升模型安全性和拒绝能力上的有效性。

Comments Accepted at AAAI 2026

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

Efficient Hallucination Detection: Adaptive Bayesian Estimation of Semantic Entropy with Guided Semantic Exploration

高效幻觉检测：基于适应性贝叶斯估计的语义熵与引导语义探索

Qiyao Sun, Xingming Li, Xixiang He, Ao Cheng, Xuanyu Ji, Hailun Lu, Runke Huang, Qingyong Hu

AI总结 本文提出一种适应性贝叶斯估计框架，通过动态调整采样预算提升幻觉检测效率，在低预算场景下减少50%样本使用并提升AUROC 12.6%。

Comments Accepted to a AAAI 2026 (Oral Presentation, <5% acceptance rate), Project page: https://qingyonghu.github.io/Efficient-Hallucination-Detection/

HyFI: Hyperbolic Feature Interpolation for Brain-Vision Alignment

HyFI：超几何特征插值用于脑-视觉对齐

Sangmin Jo, Wootaek Jeong, Da-Woon Heo, Yoohwan Hwang, Heung-Il Suk

AI总结 本文提出HyFI框架，通过超几何空间插值融合和压缩视觉特征，解决脑信号与图像信息层级差异及语义特征纠缠问题，提升脑-视觉对齐效果。

Comments 17 pages, 13 figures. Published in AAAI 2026

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, Vol. 40, 2026

Perturb Your Data: Paraphrase-Guided Training Data Watermarking

扰动你的数据：基于改写引导的训练数据水印

Pranav Shetty, Mirazul Haque, Petr Babkin, Zhiqiang Ma, Xiaomo Liu, Manuela Veloso

AI总结 本文提出SPECTRA方法，通过LLM改写文本并结合评分模型，实现训练数据可靠检测，即使数据占比低于0.001%。该方法能有效区分训练数据与非训练数据，具有高鲁棒性和可扩展性。

Comments Accepted to AAAI 2026

Cross-Sample Augmented Test-Time Adaptation for Personalized Intraoperative Hypotension Prediction

跨样本增强的测试时间适应用于个性化术中低血压预测

Kanxue Li, Yibing Zhan, Hua Jin, Chongchong Qi, Xu Lin, Baosheng Yu

AI总结 本文提出CSA-TTA框架，通过整合其他个体的低血压事件数据，提升测试时间适应性，增强模型对术中动态的适应能力，在VitalDB和真实数据集上均取得显著提升。

Comments Accepted by AAAI 2026

Parameter-Free Clustering via Self-Supervised Consensus Maximization (Extended Version)

无需参数的聚类通过自监督共识最大化（扩展版）

Lijun Zhang, Suyuan Liu, Siwei Wang, Shengju Yu, Xueling Zhu, Miaomiao Li, Xinwang Liu

AI总结 本文提出一种无需参数的聚类框架SCMax，通过自监督共识最大化实现层次聚类和评估，利用最近邻共识得分确定最佳聚类数，实验表明其优于传统方法。

Comments Accept by AAAI 2026

Manta: Enhancing Mamba for Few-Shot Action Recognition of Long Sub-Sequence

Manta: 通过Mamba提升长子序列少样本动作识别

Wenbo Huang, Jinghui Zhang, Guang Li, Lei Zhang, Shuoyuan Wang, Fang Dong, Jiahui Jin, Takahiro Ogawa, Miki Haseyama

AI总结 Manta通过Matryoshka Mamba和混合对比学习框架提升长子序列少样本动作识别，解决传统方法计算复杂度高和局部特征对齐不足的问题，实现SSv2、Kinetics等基准的新SOTA性能。

Comments Accepted by AAAI 2025