AAAI - arXivDaily 期刊&会议

2608.16603 2026-08-18 cs.CY 新提交

Characterizing Agentic Flooding of Government Services

刻画政府服务的智能体泛滥问题

Chris Schmitz, Lewis Hammond, Alan Chan

AI总结该研究定义了政府服务的智能体泛滥问题，基于84起案例数据集分析其广泛存在性，开发风险矩阵评估高风险服务，梳理政府应对措施并推荐兼顾公平的缓解方案。

Comments To appear in the proceedings of the 9th AAAI Conference on AI, Ethics, and Society (AIES), October 12-14, 2026

2608.15940 2026-08-18 cs.CL cs.LG cs.SD 新提交

The Null Token Knows: Reducing Message-Free Hallucination in ASR and NMT

空令牌知晓：减少ASR与NMT中无信息幻觉

Kirill Borodin, Vasiliy Kudryavtsev, Ivan Viakhirev

AI总结该研究针对ASR与NMT的无信息幻觉问题，通过空令牌探查弃权信号，发现提升空令牌分数可抑制虚构但存在删除有效内容的权衡，推动多维度评估弃权方法。

Comments Submitted to the Thirty-Ninth AAAI Conference on Artificial Intelligence (AAAI-27)

2608.14936 2026-08-18 cs.AI 新提交

Small Models Scout Bottleneck Order for Large-Model Data Control

小模型为大模型数据控制探寻瓶颈顺序

Seungmin Choi, Jiwon Sung, Muhammad Umer, Abhiram Rao Gorle, Guijin Son, Youngjae Yu, John M. Cioffi

AI总结该研究提出 LogFloor 闭环控制器，利用小模型 scout 路径的阶段排序瓶颈解决结构，在大模型数据控制中显著降低 token 成本，验证了该结构的可迁移性。

Comments Submitted to AAAI 2027

2608.14692 2026-08-18 cs.CY cs.AI cs.HC 新提交

Identifying Harm in Personalized, Generative AI Systems Requires User-Centered Auditing at the Interaction Level

识别个性化生成式AI系统中的危害需要在交互层面开展以用户为中心的审计

Hannah Cha

AI总结本文指出现有审计方法无法捕捉个性化生成式AI系统的新兴危害，提出应将危害理解重构为自适应的以用户和社区为中心的过程，将审计转向支持交互中持续明确危害的基础设施。

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

2608.12104 2026-08-18 cs.CY cs.AI 版本更新

No One to Blame: A Framework of Constitutive AI Unaccountability

无人可追责：构成型AI不可问责性的框架

Long Hoang Nguyen, Eva Späthe, Sebastian Lins, Ali Sunyaev

AI总结针对自主AI系统带来的问责挑战，该研究提出构成型AI不可问责性概念，构建诊断框架，在OpenClaw中检测到多数相关条件，为识别AI问责缺口提供实用工具。

Comments Extended version with appendix; final version to appear in the Proceedings of AAAI/ACM AIES 2026; v2: text encoding fix for author name, no content changes

2511.10076 2026-08-18 cs.CV 版本更新

Mitigating Error Accumulation in Co-Speech Motion Generation via Global Rotation Diffusion and Multi-Level Constraints

通过全局旋转扩散和多级约束缓解语音同步运动生成中的误差累积

Xiangyue Zhang, Jianfang Li, Jianqiang Ren, Jiaxu Zhang

AI总结本文提出GlobalDiff，通过全局旋转扩散和多级约束缓解语音同步运动生成中的误差累积，提升生成运动的平滑度和准确性。

Comments AAAI 2026. Project page: this https URL (https://xiangyuezhang.com/GlobalDiff/;) code and pretrained models: this https URL (https://github.com/Xiangyue-Zhang/GlobalDiff)