AAAI

Bridging Synthetic and Real Routing Problems via LLM-Guided Instance Generation and Progressive Adaptation

通过LLM引导的实例生成和渐进适应弥合合成与现实路由问题

Jianghan Zhu, Yaoxin Wu, Zhuoyi Lin, Zhengyuan Zhang, Haiyan Yin, Zhiguang Cao, Senthilnath Jayavelu, Xiaoli Li

机构 * A*STAR（新加坡科技研究局） 纠错

AI总结 通过LLM引导的实例生成和渐进适应方法，提升神经求解器在现实路由问题中的泛化能力。

Comments 21 pages; Published in AAAI 2026, Main Technical Track

Guided Perturbation Sensitivity (GPS): Detecting Adversarial Text via Embedding Stability and Word Importance

引导扰动敏感性（GPS）：通过嵌入稳定性与词重要性检测对抗文本

Bryan E. Tuck, Rakesh M. Verma

机构 * University of Houston（休斯顿大学） 纠错

AI总结 GPS通过嵌入稳定性与词重要性检测对抗文本，实现高准确率和低计算成本的攻击识别。

Comments 19 pages, 19 figures, 8 tables. Accepted to AAAI 2026. Code available at https://github.com/ReDASers/Guided-Perturbation-Sensitivity

LLMStinger: Jailbreaking LLMs using RL fine-tuned LLMs

LLMStinger: 使用强化学习微调的LLM进行LLM劫持

Piyush Jha, Arnav Arora, Vijay Ganesh

AI总结 LLMStinger通过强化学习微调LLM，生成对抗性后缀以提高对有害问题的攻击成功率，显著优于现有方法。

Comments Accepted at AAAI 2025

Beyond Accuracy: A Cognitive Load Framework for Mapping the Capability Boundaries of Tool-use Agents

超越准确率：一种认知负荷框架用于映射工具使用代理的能力边界

Qihao Wang, Yue Hu, Mingzhe Lu, Jiayue Wu, Yanbing Liu, Yuanmin Tang

AI总结 本文提出一种认知负荷框架，用于评估工具使用代理的能力边界，通过分解任务复杂性为内在负荷和额外负荷，揭示模型的真实能力限制。

Comments Accepted to AAAI 2026

Minimum-Cost Network Flow with Dual Predictions

带有双重预测的最小成本网络流

Zhiyang Chen, Hailong Yao, Xia Yin

机构 * USTB（中国矿业大学） 纠错

AI总结 本文提出一种带有双重预测的最小成本网络流算法，通过ε-松弛方法结合机器学习预测，提升交通网络和芯片布线应用的效率。

Comments accepted by AAAI 2026

RacketVision: A Multiple Racket Sports Benchmark for Unified Ball and Racket Analysis

RacketVision: 一种多 racket 运动基准数据集用于统一的球和 racket 分析

Linfeng Dong, Yuchen Yang, Hao Wu, Wei Wang, Yuenan Hou, Zhihang Zhong, Xiao Sun

机构 * Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 RacketVision 是一个用于多 racket 运动分析的基准数据集，通过细粒度注释和 CrossAttention 机制提升球轨迹预测性能。

Comments Accepted to AAAI 2026 (Oral)

GCL-OT: Graph Contrastive Learning with Optimal Transport for Heterophilic Text-Attributed Graphs

GCL-OT：基于最优传输的图对比学习用于异质文本属性图

Yating Ren, Yikun Ban, Huobin Tan

机构 * Yating Ren, Yikun Ban, Huobin Tan 纠错

AI总结 GCL-OT通过最优传输和定制机制解决文本属性图中的异质性问题，提升结构-文本对齐效果。

Comments AAAI 2026

DeepBooTS: Dual-Stream Residual Boosting for Drift-Resilient Time-Series Forecasting

DeepBooTS: 基于双流残差提升的抗漂移时间序列预测

Daojun Liang, Jing Chen, Xiao Wang, Yinglong Wang, Shuo Li

AI总结 DeepBooTS通过双流残差提升方法，提升时间序列预测的抗漂移鲁棒性，实验表明在多种数据集上性能提升显著。

Comments 28 pages,17 pages, Published in AAAI-26

AEDR: Training-Free AI-Generated Image Attribution via Autoencoder Double-Reconstruction

AEDR: 无需训练的AI生成图像属性识别方法通过自编码器双重建

Chao Wang, Zijin Yang, Yaofei Wang, Weiming Zhang, Kejiang Chen

机构 * iFLYTEK 纠错

AI总结 AEDR通过自编码器双重建方法，无需训练即可提升生成模型图像属性识别的准确率，同时显著降低计算成本。

Comments 7 pages. Accepted by AAAI 2026 Oral

Reflective Translation: Improving Low-Resource Machine Translation via Structured Self-Reflection

反思性翻译：通过结构化自我反思改进低资源机器翻译

Nicholas Cheng

机构 * Independent Researcher（独立研究者） 纠错

AI总结 本文提出反思性翻译框架，通过结构化自我反思提升低资源语言的机器翻译质量，实验表明其在BLEU和COMET评分上均有显著提升。

Comments 12 pages, 3 figures, 6 tables. Accepted to the NeurIPS 2025 Workshop on Multilingual Representation Learning (Mexico City) and the AAAI 2025 Workshop on Language Models for Under-Resourced Communities (LM4UC). Code and data available at: https://github.com/Nickcheng123/reflective-translation-mt

Structure-based RNA Design by Step-wise Optimization of Latent Diffusion Model

基于结构的RNA设计：通过潜在扩散模型的分步优化

Qi Si, Xuyang Liu, Penglei Wang, Xin Guo, Yuan Qi, Yuan Cheng

AI总结 本文提出SOLD框架，通过强化学习优化潜在扩散模型，提升RNA结构设计的准确性与效率。

Comments 20 pages (7 pages content + 2 pages references + 11 pages appendix), 11 figures, 8 tables. Source code available at https://github.com/darkflash03/SOLD Accepted to AAAI 2026

Robust Out-of-Order Retrieval for Grid-Based Storage at Maximum Capacity

基于最大容量的网格存储的鲁棒非顺序检索

Tzvika Geft, William Zhang, Jingjin Yu, Kostas Bekris

AI总结 本文提出了一种基于网格存储的鲁棒非顺序检索框架，在最大容量下通过k-受限扰动减少负载重新定位。

Comments AAAI 2026

Length-Adaptive Interest Network for Balancing Long and Short Sequence Modeling in CTR Prediction

长度自适应兴趣网络：平衡长序列和短序列建模以提升CTR预测

Zhicheng Zhang, Zhaocheng Du, Jieming Zhu, Jiwei Tang, Fengyuan Lu, Wang Jiaheng, Song-Li Wu, Qianhui Zhu, Jingyu Li, Hai-Tao Zheng, Zhenhua Dong

AI总结 LAIN通过引入长度自适应机制，平衡长短序列建模，提升CTR预测性能。

Comments Accepted at AAAI 2026

Improving Value-based Process Verifier via Low-Cost Variance Reduction

通过低成本方差减少改进基于价值的过程验证器

Zetian Sun, Dongfang Li, Baotian Hu, Min Zhang

AI总结 本文提出ComMCS方法，通过低成本方差减少改进基于价值的过程验证器，有效提升数学推理能力。

Comments Accepted by AAAI-2026

CCFQA: A Benchmark for Cross-Lingual and Cross-Modal Speech and Text Factuality Evaluation

CCFQA：跨语言和跨模态语音与文本事实性评估基准

Yexing Du, Kaiyuan Liu, Youcheng Pan, Zheng Chu, Bo Yang, Xiaocheng Feng, Ming Liu, Yang Xiang

AI总结 CCFQA是一个用于评估多模态大语言模型跨语言和跨模态事实性能力的基准，通过少样本迁移学习策略在多语言语音问答任务中取得与GPT-4o-mini-Audio相当的性能。

Comments Accepted in AAAI 2026

Decoding Cortical Microcircuits: A Generative Model for Latent Space Exploration and Controlled Synthesis

解码皮层微回路：一种用于潜在空间探索和受控合成的生成模型

Xingyu Liu, Yubin Li, Guozhang Chen

AI总结 本文提出一种生成模型，通过学习小鼠皮层微回路的连接图，揭示大脑发育的潜在蓝图，并可控生成具有特定结构特征的合成微回路。

Journal ref AAAI 2026 NeuroAI Workshop

From Classification to Ranking: Enhancing LLM Reasoning Capabilities for MBTI Personality Detection

从分类到排序：提升LLM推理能力以进行MBTI性格检测

Yuan Cao, Feixiang Liu, Xinyue Wang, Yihan Zhu, Hui Xu, Zheng Wang, Qiang Qiu

AI总结 本文提出将性格检测视为排序任务，通过改进的强化学习方法提升LLM在MBTI性格检测中的推理能力。

Comments 9 pages, 4 figures, AAAI 2026 Bridge

Enhancing Control Policy Smoothness by Aligning Actions with Predictions from Preceding States

通过与前一状态预测对齐来增强控制策略的平滑性

Kyoleen Kwak, Hyoseok Hwang

AI总结 本文提出ASAP方法，通过与前一状态预测对齐来增强控制策略的平滑性，有效抑制动作振荡并提升策略性能。

Comments Accepted at AAAI-26. 7 pages (excluding references), 3 figures

Exploring the Effects of Alignment on Numerical Bias in Large Language Models

探索对大型语言模型中数值偏差的影响

Ayako Sato, Hwichan Kim, Zhousi Chen, Masato Mita, Mamoru Komachi

机构 * Tokyo Metropolitan University（东京 Metropolitan 大学） ； Hitotsubashi University（立命馆大学） ； CyberAgent Inc.（CyberAgent 公司） 纠错

AI总结 本文研究了对齐对大型语言模型数值偏差的影响，发现对齐会增加偏差，并提出分数范围调整作为缓解策略。

Comments Accepted at AIBSD 2026 (Workshop at AAAI 2026)

Induce, Align, Predict: Zero-Shot Stance Detection via Cognitive Inductive Reasoning

诱导、对齐、预测：通过认知归纳推理实现零样本立场检测

Bowen Zhang, Jun Ma, Fuqiang Niu, Li Dong, Jinzhou Cao, Genan Dai

AI总结 本文提出CIRF框架，通过认知归纳推理实现零样本立场检测，实现高效且可解释的推理，在低资源环境下取得新突破。

Comments Accepted at AAAI 2026

Distances Between Top-Truncated Elections of Different Sizes

不同规模顶部截断选举之间的距离

Piotr Faliszewski, Jitka Mertlová, Pierre Nunn, Stanisław Szufa, Tomasz Wąs

AI总结 本文提出了一种扩展选举地图框架的方法，用于分析不同规模顶部截断选举之间的距离，并展示了Preflib数据库的可视化结果。

Comments 24 pages, 13 figures, AAAI 2025 Conference

Do Reasoning Models Ask Better Questions? A Formal Information-Theoretic Analysis on Multi-Turn LLM Games

推理模型会提出更好的问题吗？多轮LLM游戏中的信息论分析

Daniel M. Pedrozo, Telma W. de L. Soares, Bryan L. M. de Oliveira

AI总结 本文提出多轮对话框架，通过信息增益评估LLM在地理游戏中提问效率，发现具有推理能力的模型在部分可观察环境下表现更优。

Comments Presented at the NeusymBridge Workshop at AAAI 2026

Learning to Collaborate: An Orchestrated-Decentralized Framework for Peer-to-Peer LLM Federation

学习协作：一种协同-去中心化框架用于点对点大语言模型联邦

Inderjeet Singh, Eleonore Vissol-Gaudin, Andikan Otung, Motoyoshi Sekiya

AI总结 KNEXA-FL通过协同去中心化框架提升点对点大语言模型联邦学习的效率与稳定性

Comments Accepted to AAAI 2026. 13 pages, 3 figures, 10 tables. Code available at: https://github.com/FujitsuResearch/knexa-fl

EEG-DLite: Dataset Distillation for Efficient Large EEG Model Training

EEG-DLite: 用于高效大规模EEG模型训练的数据蒸馏

Yuting Tang, Weibang Jiang, Shanglin Li, Yong Li, Chenyu Liu, Xinliang Zhou, Yi Ding, Cuntai Guan

AI总结 EEG-DLite通过数据蒸馏技术提升大规模EEG模型训练效率，实现高效且有效的生理基础建模。

Comments Accepted by AAAI-2026

MoSE: Hierarchical Self-Distillation Enhances Early Layer Embeddings

MoSE：分层自蒸馏增强早期层嵌入

Andrea Gurioli, Federico Pennino, João Monteiro, Maurizio Gabbrielli

机构 * Apple（苹果公司） 纠错

AI总结 MoSE通过自蒸馏机制增强早期层嵌入，实现代码检索与分类任务中的性能与准确性的平衡。

Comments Accepted in the AAAI 2026 Main Technical Track

The Triangle of Similarity: A Multi-Faceted Framework for Comparing Neural Network Representations

相似性的三角形：一种多维框架用于比较神经网络表示

Olha Sirikova, Alvin Chan

AI总结 本文提出相似性三角形框架，通过静态、功能和稀疏性三个视角比较神经网络表示，揭示架构对表示相似性的影响及剪枝对模型核心的影响。

Comments Accepted to AAAI 2026 Workshop on AI for Scientific Research (AI4Research)

RENEW: Risk- and Energy-Aware Navigation in Dynamic Waterways

RENEW: 动态水道中风险和能耗感知的导航

Mingi Jeong, Alberto Quattrini Li

AI总结 RENEW通过结合风险和能耗感知策略，实现动态水道中自主水面车辆的稳健导航，首次解决自适应不可航行性和拓扑路径多样性问题。

Comments 9 pages, 10 figure, 4 tables, AAAI 2026 (main track; oral acceptance)

Experience with Single Domain Generalization in Real World Medical Imaging Deployments

单域泛化在现实世界医学影像部署中的经验

Ayan Banerjee, Komandoor Srivathsan, Sandeep K. S. Gupta

AI总结 本文通过两个医学影像案例研究，展示了单域泛化技术在实际部署中的应用，提出DL+EKE方法在糖尿病视网膜病变中优于现有技术。

Comments Accepted at AAAI 2026 Innovative Applications of Artificial Intelligence

Exploring LLMs for Scientific Information Extraction Using The SciEx Framework

探索使用SciEx框架利用大语言模型进行科学信息提取

Sha Li, Ayush Sadekar, Nathan Self, Yiqi Su, Lars Andersland, Mira Chaplin, Annabel Zhang, Hyoju Yang, James B Henderson, Krista Wigginton, Linsey Marr, T. M. Murali, Naren Ramakrishnan

AI总结 本文提出SciEx框架，通过解耦关键组件提升科学信息提取的准确性和一致性，评估结果显示其在多科学领域中的有效性。

Comments Accepted to the KGML Bridge at AAAI 2026 (non-archival)

Constrained Best Arm Identification with Tests for Feasibility

带有可行性测试的约束最佳臂识别

Ting Cai, Kirthevasan Kandasamy

AI总结 本文提出了一种在有可行性约束下进行最佳臂识别的算法，通过测试性能或可行性来提高识别效率，并在理论和实验上证明其有效性。

Comments Accepted to AAAI 2026