AAAI

Fewer Steps, Better Performance: Efficient Cross-Modal Clip Trimming for Video Moment Retrieval Using Language

更少步骤，更优性能：基于语言的高效跨模态视频片段修剪用于视频时刻检索

Xiang Fang, Daizong Liu, Wanlong Fang, Pan Zhou, Zichuan Xu, Wenzheng Xu, Junyang Chen, Renfu Li

机构 * Hubei Engineering Research Center on Big Data Security, School of Cyber Science and Engineering, Huazhong University of Science of Technology（湖北大数据安全工程研究中心，网络安全学院，华中科技大学） ； Peking University（北京大学） ； Henan University（河南大学） ； Dalian University of Technology（大连理工大学） ； Sichuan University（四川大学） ； Shenzhen University（深圳大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 提出SpotVMR方法，通过可学习的片段搜索模型和低成本语义索引特征，高效修剪查询相关视频片段，作为即插即用模块提升现有VMR方法的效率与性能。

Comments Published in AAAI 2024

Political Advertising on Facebook During the 2022 Australian Federal Election: A Social Identity Perspective

2022年澳大利亚联邦选举期间Facebook上的政治广告：社会认同视角

Stefano Civelli, Pietro Bernardelle, Frank Mols, Gianluca Demartini

AI总结 利用Meta广告库分析2022年澳大利亚联邦选举期间Facebook和Instagram上的政治广告，基于社会认同理论揭示主要政党在支出、覆盖、人口统计和地理定位上的差异，以及不同说服策略。

Journal ref Proceedings of the International AAAI Conference on Web and Social Media 20(1) (2026) 563-577

LogicCat: A Chain-of-Thought Text-to-SQL Benchmark for Complex Reasoning

LogicCat：面向复杂推理的思维链文本到SQL基准测试

Tao Liu, Xutao Mao, Hongying Zan, Dixuan Zhang, Yifan Li, Haixin Liu, Lulu Kong, Jiaming Hou, Rui Li, YunLong Li, aoze zheng, Zhiqiang Zhang, Luo Zhewei, Kunli Zhang, Min Peng

机构 * Zhengzhou University（郑州大学） ； Vanderbilt University（范德比大学） ； Wuhan University（武汉大学） 纠错

AI总结 提出首个针对复杂推理和思维链解析的Text-to-SQL基准数据集LogicCat，涵盖物理、算术、常识和假设推理场景，通过4038个问题与12114条思维链步骤显著提升任务难度，现有模型执行准确率最高仅33.20%。

Comments 9 pages, 5 figures

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(36): 29958-29966, 2026

Towards Detecting Persuasion on Social Media: From Model Development to Insights on Persuasion Strategies

检测社交媒体上的说服：从模型开发到说服策略的洞察

Elyas Meguellati, Stefano Civelli, Pietro Bernardelle, Shazia Sadiq, Irwin King, Gianluca Demartini

机构 * University of Queensland（昆士兰大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文通过开发轻量级说服文本检测模型（在SemEval 2023任务3子任务3中达到最优性能）并应用于澳大利亚联邦选举2022 Facebook广告数据集，揭示了政治竞选在不同资金策略、词汇选择、人口统计定位和选举临近时说服强度时间变化中的模式。

Journal ref Proceedings of the International AAAI Conference on Web and Social Media 20(1) (2026) 1587-1608

Certified Causal Defense with Generalizable Robustness

具有泛化鲁棒性的认证因果防御

Yiran Qiao, Yu Yin, Chen Chen, Jing Ma

机构 * Case Wester Reserve University（凯斯西储大学） ； University of Virginia（弗吉尼亚大学） 纠错

AI总结 提出GLEAN框架，通过可认证因果因子学习解耦因果关系与虚假相关性，并设计因果认证防御策略，实现跨分布偏移域的鲁棒性泛化。

Comments Accepted by AAAI 2025