AAAI

Driving Engagement in Daily Fantasy Sports with a Scalable and Urgency-Aware Ranking Engine

通过可扩展且具有紧迫感的排名引擎提升每日幻想体育的参与度

Unmesh Padalkar

机构 * Unmesh Padalkar 纠错

AI总结 本文提出一种可扩展的排名引擎，通过实时紧迫性特征和时间间隔编码提升每日幻想体育的推荐效果，实现9%的nDCG@1提升。

Journal ref Proceedings of the 40th AAAI Conference on Artificial Intelligence (AAAI-26), pp. 40378-40385, 2026

A Large-Scale Study of Telegram Bots

对Telegram机器人的大规模研究

Taro Tsuchiya, Haoxiang Yu, Tina Marjanov, Alice Hutchings, Nicolas Christin, Alejandro Cuevas

AI总结 本文首次大规模分析Telegram机器人，通过收集大量数据和开发自动交互系统，揭示了机器人在不同领域的应用及潜在的恶意用途。

Comments Proceedings of the 20th International AAAI Conference on Web and Social Media (ICWSM 2026)

Spectral Thompson sampling

谱泰普森采样

Tomas Kocak, Michal Valko, Remi Munos, Shipra Agrawal

机构 * SequeL team INRIA Lille - Nord Europe France（INRIA里尔-北欧洲法国SequeL团队） ； SequeL team INRIA Lille, France（INRIA里尔法国SequeL团队） ； Microsoft Research NE, USA（美国微软研究院NE部门） ； ML and Optimization Group Microsoft Research Bangalore, India（印度班加罗尔微软研究院机器学习与优化组） 纠错

AI总结 本文提出SpectralTS算法，通过图结构建模解决带状问题，利用有效维度d实现更高效的 regret 控制，适用于推荐系统和广告领域。

Comments Published at AAAI Conference on Artificial Intelligence (AAAI) 2014

TableNet A Large-Scale Table Dataset with LLM-Powered Autonomous

TableNet：一个大规模表格数据集与LLM驱动的自主系统

Ruilin Zhang, Kai Yang

机构 * School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） 纠错

AI总结 TableNet通过LLM驱动的自主系统生成和识别表格，解决大规模高质量表格数据集的不足，提升表格结构识别的效率与精度。

Comments The 40th Annual AAAI Conference on Artificial Intelligence Bridge Program on Logic & AI

In-Context Autonomous Network Incident Response: An End-to-End Large Language Model Agent Approach

上下文自主网络事件响应：一种端到端的大语言模型代理方法

Yiran Gao, Kim Hammar, Tao Li

机构 * Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） ； Department of Electrical and Electronic Engineering, University of Melbourne（墨尔本大学电子与电气工程系） 纠错

AI总结 本文提出一种端到端的大语言模型代理方法，通过整合感知、推理、规划和行动功能，实现网络事件响应的自主学习与适应，实验表明其恢复效率比前沿模型快23%。

Comments 2026 AAAI Summer Symposium on Human-Aware AI Agents for the Cyber Battlefield

Variance Computation for Weighted Model Counting with Knowledge Compilation Approach

基于知识编译方法的加权模型计数方差计算

Kengo Nakamura, Masaaki Nishino, Norihito Yasuda

机构 * Communication Science Laboratories, NTT, Inc.（NTT通信科学实验室） 纠错

AI总结 本文研究了加权模型计数方差的计算问题，提出了一种多项式时间算法，并证明了在不同知识编译格式下的计算复杂性，同时展示了其在贝叶斯网络不确定性分析中的应用。

Comments 25 pages; accepted for AAAI 2026 main track