AAAI

INTENT: Invariance and Discrimination-aware Noise Mitigation for Robust Composed Image Retrieval

INTENT: 为鲁棒的复合图像检索的不变性与判别意识噪声缓解

Zhiwei Chen, Yupeng Hu, Zhiheng Fu, Zixu Li, Jiale Huang, Qinlei Huang, Yinwei Wei

机构 * School of Software, Shandong University（山东大学软件学院） 纠错

AI总结 本文提出INTENT网络，通过视觉不变组成和双目标判别学习处理复合图像检索中的两种噪声类型，提升检索鲁棒性。

Comments Accepted by AAAI 2026

HABIT: Chrono-Synergia Robust Progressive Learning Framework for Composed Image Retrieval

HABIT: 时序协同鲁棒渐进学习框架用于复合图像检索

Zixu Li, Yupeng Hu, Zhiwei Chen, Shiqi Zhang, Qinlei Huang, Zhiheng Fu, Yinwei Wei

机构 * School of Software, Shandong University（山东大学软件学院） 纠错

AI总结 HABIT框架通过互知识估计模块和双一致性渐进学习模块，解决复合图像检索中的噪声三元组对应问题，提升鲁棒性和检索性能。

Comments Accepted by AAAI 2026

ReTrack: Evidence-Driven Dual-Stream Directional Anchor Calibration Network for Composed Video Retrieval

ReTrack：基于证据的双流方向锚校准网络用于复合视频检索

Zixu Li, Yupeng Hu, Zhiwei Chen, Qinlei Huang, Guozhi Qiu, Zhiheng Fu, Meng Liu

机构 * School of Software, Shandong University（山东大学软件学院） ； School of Computer Science and Technology, Shandong Jianzhu University（山东建筑大学计算机科学与技术学院） 纠错

AI总结 ReTrack通过校准复合特征的方向偏差，解决复合视频检索中模态贡献纠缠、特征优化和检索不确定性问题，实现多模态查询理解的提升，并在复合图像检索任务中取得最佳性能。

Comments Accepted by AAAI 2026

Neuro-Symbolic Resolution of Recommendation Conflicts in Multimorbidity Clinical Guidelines

神经符号推荐冲突在多病共存临床指南中的解决

Shiyao Xie, Jian Du

机构 * Peking University（北京大学） ； National Institute of Health Data Science（国家健康数据科学研究院） ； Peking University Health Science Center（北京大学医学部） ； Institute of Medical Technology（医学技术研究院） 纠错

AI总结 本文提出神经符号框架解决多病共存临床指南中的推荐冲突问题，通过多智能体系统和SAT求解器验证逻辑规则，发现90.6%的冲突为局部冲突，F1分数达0.861。

Comments Accepted by Proceedings of the 40th Annual AAAI Conference on Artificial Intelligence (Bridge Program on Logic & AI: Logical and Symbolic Reasoning in Language Models)

FedAdamW: A Communication-Efficient Optimizer with Convergence and Generalization Guarantees for Federated Large Models

FedAdamW: 一种具有收敛性和泛化保证的联邦大模型高效优化器

Junkang Liu, Fanhua Shang, Hongying Liu, Yuxuan Tian, Yuanyuan Liu, Jin Liu, Kewen Zhu, Zhouchen Lin

机构 * School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） ； Medical College, Tianjin University（天津大学医学院） ； School of Artificial Intelligence, Xidian University（西安电子科技大学人工智能学院） ； State Key Lab of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院通用人工智能国家重点实验室） ； Pazhou Laboratory (Huangpu), Guangzhou, Guangdong, China（广州黄埔 Pazhou 实验室） 纠错

AI总结 本文提出FedAdamW，通过局部修正机制和解耦权重衰减缓解联邦学习中的局部过拟合和方差问题，理论证明其收敛速率并实验证明其在语言和视觉Transformer模型中的有效性。

Journal ref AAAI 2026