AAAI

WhichTok? Comparing Three TikTok Data Acquisition Tools

WhichTok？对比三种TikTok数据采集工具

Gayoung Jeon, Cameron Moy, Silvia Teliz, Cristina Monzer, Nicolette Alayon, Deen Freelon

AI总结 本研究系统对比TikTok Research API、Pyktok和Apify三种数据采集工具，发现它们在话题标签等端点存在显著差异，仅用户端点结果一致，据此提出提升TikTok研究质量的相关建议。

Comments This paper has been accepted for the upcoming 21st International AAAI Conference on Web and Social Media (ICWSM'27)

DSLE: A Learning Environment for Dark Souls Boss Encounters

DSLE：《黑暗之魂》Boss 遭遇战的学习环境

Derin Gezgin, Jim O'Connor, Tanner Goodwin, Gary B. Parker

AI总结 本研究推出 DSLE 平台，将《黑暗之魂》22 场 Boss 战作为智能体基准，定义 DSLE-5 子集并评估多种智能体，发现多数方法难以击败多数 Boss，仅少数早期 Boss 可被击败。

Comments AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment, 2026

MeanSR: Restoration Trajectory Learning for One-Step Perceptual Super-Resolution

MeanSR：用于单步感知超分辨率的恢复轨迹学习

Axi Niu, Jiawei Kou, Kang Zhang, Qingsen Yan, Jinqiu Sun, Yanning Zhang

AI总结 MeanSR是一种单步感知超分辨率方法，通过学习LR条件平均速度场并引入阶段感知时间采样策略，在CLIPIQA等指标上优于CTMSR，同时降低计算成本与延迟，提升了重建质量。

Comments 7 pages, 8 figures. Submitted to AAAI 2027

UniMoFlow: Grounding Instruction-Driven 3D Human Motion Editing in Generation

UniMoFlow：将指令驱动的3D人体动作编辑建立在生成基础上

Yilei Hua, Beibei Jing, Ce Zheng, Hanyu Zhou, Yawei Luo, Wei Yang

AI总结 UniMoFlow将指令驱动3D人体动作编辑建立在文本到动作生成基础上，通过构建Omni-MoEdit数据集、提出UniMoFlow模型与SAFE方法，提升了编辑效果与生成质量

Comments 18 pages, including supplementary material; 8 figures and 7 tables. Code: https://github.com/Yilei-Hua/UniMoFlow. Submitted to AAAI 2027

How Far Do Foundation Models Transfer to Infant Signals? A Cross-Dataset Transfer Audit with a Unified Need Ontology

基础模型在婴儿信号上的迁移能力如何？基于统一需求本体的跨数据集迁移审计

Wu Hangyu

AI总结 该研究针对婴儿哭声语料库的标签不兼容等问题，通过多级审计探究基础模型的跨数据集迁移能力，提出实用方案并发布工具将不兼容语料库转为联合训练资源。

Comments 18 pages, 7 figures. Under review at AAAI 2027

TRACE-Memory: Public-Conditioned Retrieval and Utility-Aware Evidence Admission for Personalized Generation

TRACE-Memory：用于个性化生成的公共条件检索与效用感知证据接纳

Jing Wang, Zhu Wang, Yifan Guo, Yulong Yang, Yunji Liang

AI总结 该研究针对个性化生成系统中记忆使用的效用问题，提出TRACE-Memory两阶段框架，经多阶段训练后在三类数据集的4500个任务上表现优于多种记忆使用方法，支持选择性个性化。

Comments 9 pages, 4 figures, and 6 tables. Submitted to the 41st AAAI Conference on Artificial Intelligence (AAAI 2027)

FSTC-Encoder: Feature--Spatial--Temporal Correlation Learning for Generalizable RF Sensing

FSTC-Encoder：用于通用射频感知的特征-空间-时间关联学习

Jing Wang, Zhu Wang, Changlong Cheng, Yifan Guo, Yin Zhang

AI总结 本文针对异构射频感知跨域复用难的问题，提出FSTC-Encoder模型，通过特征-空间-时间关联建模统一异构射频表示学习，在多数据集多模态任务中实现高准确率与跨域性能提升。

Comments 9 pages, 2 figures, and 6 tables. Submitted to the 41st AAAI Conference on Artificial Intelligence (AAAI 2027)

Abstracted Away: Resisting Alienation and Ungrounded Abstraction in AI Research Communities

被抽象化：抵制AI研究社区中的异化与无根基抽象

Vyoma Raman, Isabel O. Gallegos, Neha Srivathsa

AI总结 三名早期职业批判性AI研究者通过自我民族志探究构建异化解释框架，指出情感抽象是异化机制之一，提出关注情感反应、集体行动可抵制异化，该框架可作为促进AI研究包容性的解释学资源。

Comments Accepted to the 9th AAAI/ACM Conference on AI, Ethics and Society (AIES-26)

Frequency-Domain Dual-Branch Fusion for Medical Visual Question Answering

用于医学视觉问答的频域双分支融合

Yusra Tariq, Rakesh Chandra Joshi

AI总结 提出频域双分支融合模块，结合BiomedCLIP与BioBART，在PMC-VQA预训练后于VQA-RAD、SLAKE微调，提升医学VQA性能且架构轻量高效。

Comments 7 Pages, 4 figures, under review at AAAI 27

Beyond "I Can't Help With That": How Child Safety Experts Evaluate AI Chatbot Safety

超越“我无法对此提供帮助”：儿童安全专家如何评估AI聊天机器人的安全性

Hannah Cha, Neha Shukla, Solon Barocas, Alexandra Chouldechova, Eugenia Kim, Jennifer Wortman Vaughan

AI总结 本文通过访谈19名儿童安全相关从业者，分析现有AI聊天机器人儿童安全评估的局限，提出需将从业者视角纳入安全评估工作的建议。

Comments Ninth AAAI/ACM Conference on AI, Ethics, and Society (AIES 2026)

"Always Want to Use it for Everything": Understanding Young Adults' Perceptions of AI Dependence

“总想用它做所有事”：理解年轻人对AI依赖的看法

Ashlee Milton, Leah Ajmani, Amy Heger, Forough Poursabzi-Sangdeh, Mihaela Vorvoreanu, Jina Suh

AI总结 本研究通过问卷收集18-25岁AI聊天机器人用户反馈，确定AI依赖的三个促成因素，指出其对年轻人的心理与发展影响，并提出相关启示。

Comments To appear in proceedings of the Ninth AAAI/ACM Conference on AI, Ethics, and Society (AIES '26)

Studying People to Study AI: Expert Perspectives on the Epistemic Fit and Barriers of Human Research in AI Safety & Ethics

研究人以研究AI：关于人类研究在AI安全与伦理中的认知适配性及障碍的专家观点

Jessica Y. Bo, Paula Akemi Aoyagui, Shalaleh Rismani, Dipto Das, Syed Ishtiaque Ahmed, Ashton Anderson

AI总结 本研究通过对93名AI安全与伦理领域专家的调查及17名专家的访谈，分析了人类研究在AI安全与伦理领域的认知适配性与障碍，并提出相关建议以避免流于形式的“人类洗白”。

Comments Ninth AAAI/ACM Conference on AI, Ethics, and Society (AIES 2026)

Epistemic Trustworthiness in Generative AI: A Normative Framework for Warranted Reliance in High-Stakes Workflows

生成式AI中的认知可信赖性：高风险工作流程中合理依赖的规范框架

Nimisha Karnatak, Max Van Kleek, Nigel Shadbolt

AI总结 本文针对生成式AI在高风险场景的合理依赖问题，提出含认知谦逊、认知可及性、抗认知不公三条件的规范框架，通过案例分析指出现有标准的不足，为GenAI设计评估提供新方向。

Comments Accepted at AAAI/ACM Conference on AI, Ethics, and Society (AIES 2026)

Can LLMs Rank? A Tale of Triads and Triage

LLM能排序吗？三元组与分诊的故事

Gaurab Pokharel, Shafkat Farabi, Patrick J. Fowler, Sanmay Das

机构 * Virginia Tech（弗吉尼亚理工大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） 纠错

AI总结 研究LLM作为排序裁判的可靠性，提出用循环三元组计数和排序距离度量一致性，并在无家可归者住房分配和急诊分诊任务中验证。

Comments Accepted to the Ninth AAAI/ACM Conference on AI, Ethics, and Society (AIES 2026)

LAUDE: LLM-Assisted Unit Test Generation and Debugging of Hardware DEsigns

LAUDE: 基于LLM的硬件设计单元测试生成与调试

Deeksha Nandal, Riccardo Revalor, Soham Dan, Debjit Pal

机构 * Dept. of Electrical and Computer Engineering, University of Illinois Chicago（伊利诺伊大学芝加哥分校电子与计算机工程系） ； Microsoft（微软公司） 纠错

AI总结 LAUDE利用大语言模型能力，实现硬件设计的单元测试生成与调试，有效检测和修复设计中的错误。

Comments 11 Pages, 9 Figures, 9 Tables Submitted to AAAI 2027

Auto-PRE: An Automatic and Cost-Efficient Peer-Review Framework for Language Generation Evaluation

Junjie Chen, Weihang Su, Zhumin Chu, Haitao Li, Yujia Zhou, Dingbo Yuan, Xudong Wang, Jun Zhou, Yiqun Liu, Min Zhang, Shaoping Ma, Qingyao Ai

Comments AAAI 2026

Simulating Dispute Mediation with LLM-Based Agents for Legal Research

基于大语言模型智能体的争议调解模拟：面向法律研究

Junjie Chen, Haitao Li, Minghao Qin, Yujia Zhou, Yanxue Ren, Wuyue Wang, Yiqun Liu, Yueyue Wu, Qingyao Ai

AI总结 研究针对法律争议调解实证研究的局限，提出首个基于LLM的AgentMediation框架模拟争议调解，通过可控实验发现符合社会学理论的模式，为社科与AI在法律研究的融合提供平台。

Comments AAAI 2026