AAAI

See, Symbolize, Act: Grounding VLMs with Spatial Representations for Better Gameplay

看见、符号化、行动：通过空间表示接地VLMs以实现更好的游戏表现

Ashish Baghel, Paras Chopra

AI总结 本文研究了通过提供视觉帧和场景符号表示来提升VLMs在交互环境中的表现，发现准确的符号信息能提升性能，但自身提取符号的模型性能受模型能力和场景复杂度影响。

Comments 11 pages, 13 figures. Accepted to LMReasoning Workshop at AAAI 2026

Finding Diverse Solutions Parameterized by Cliquewidth

基于团宽的多样化解寻找

Karolina Drabik, Tomáš Masařík

AI总结 本文基于团宽参数，研究如何以较低开销生成多样化解，证明MSO_1可表问题在团宽参数下可线性FPT时间内求解，扩展了结构图参数和逻辑在多样化问题中的复杂性景观。

Comments Accepted at AAAI 2026: the 40th Annual AAAI Conference on Artificial Intelligence, 30 pages, 3 figure

Journal ref Proceedings: (AAAI 2026) AAAI Conference on Artificial Intelligence, 40(43), 36864-36872

Extreme Value Monte Carlo Tree Search for Classical Planning

极值理论在经典规划中的蒙特卡洛树搜索

Masataro Asai, Stephen Wissow

AI总结 本文提出UCB1-Uniform算法，利用极值理论解决经典规划中带宽不足和全贝尔曼备份缺乏理论依据的问题，证明了算法的 regret 绑定并验证了其在经典规划中的性能。

Comments Accepted in AAAI-26. arXiv admin note: substantial text overlap with arXiv:2305.09840 (background section)