AAAI - arXivDaily 期刊&会议

2608.09917 2026-08-11 cs.SI cs.HC 新提交

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)

2608.09902 2026-08-11 cs.AI cs.NE 新提交

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

2608.09405 2026-08-11 cs.CV 新提交

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

2608.09143 2026-08-11 cs.CV 新提交

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

2608.08989 2026-08-11 cs.CL cs.AI 新提交

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

2608.08446 2026-08-11 cs.AI 新提交

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)

2608.08439 2026-08-11 cs.LG cs.AI 新提交

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)

2608.08408 2026-08-11 cs.CY cs.AI 新提交

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)

2608.08307 2026-08-11 cs.CV cs.AI 新提交

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

2608.07902 2026-08-11 cs.CY cs.AI cs.HC 新提交

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)

2608.07592 2026-08-11 cs.HC cs.CY 新提交

"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)