AAAI

Richer Representations for Neural Algorithmic Reasoning via Auxiliary Reconstruction

通过辅助重建实现神经算法推理的更丰富表示

Jiafu Huang, Chao Peng, Chenyang Xu, Zhengfeng Yang, Kecheng Cai, Chenhao Zhang, Yi Wang, Yiwei Gong, Wanqin Zhou, Irene Zheng

机构 * sei.ecnu.edu.cn（东华大学信息科学与工程学院） 纠错

AI总结 提出辅助重建模块和自监督学习变体，增强编码器对输入状态信息的保留和特征间依赖的捕捉，从而提升神经算法推理性能。

Comments Appeared at AAAI 2026

Learning from Mistakes: Can LLM Self-Recover after Misalignment?

从错误中学习：LLM 在错位后能否自我恢复？

Olga E. Sorokoletova, Francesco Giarrusso, Vincenzo Suriani, Daniele Nardi

AI总结 研究大语言模型在遭受恶意攻击后，是否具有内在的自我对齐恢复能力，并提出一种建模用户-助手交互安全轨迹并检测恢复趋势的方法。

Comments AAAI'26 Workshop (WS37), Machine Ethics: from formal methods to emergent machine ethics, January 20--27, 2026, Singapore

Graph-Theoretic Consistency for Robust and Topology-Aware Semi-Supervised Histopathology Segmentation

基于图论一致性的鲁棒且拓扑感知的半监督组织病理学分割

Ha-Hieu Pham, Minh Le, Han Huynh, Nguyen Quoc Khanh Le, Huy-Hieu Pham

机构 * Student（学生） 纠错

AI总结 提出拓扑图一致性（TGC）框架，通过对齐预测图与参考图的拉普拉斯谱、组件计数和邻接统计，在仅5-10%标注下实现最先进的半监督分割性能。

Comments Accepted to the AAAI 2026 Student Abstract and Poster Program

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence 2026