AAAI

Design Theater: Evaluating the Gap Between User-Facing Design Reasoning and Implementation in Generative UI Tools

设计剧场：生成式用户界面的一个基准

Kashif Imteyaz, Kaif Imteyaz, Nakul Rajpal, Kaif Shaikh, Michael Muller, Saiph Savage

机构 * Vercel（Vercel公司） ； Claude Artifacts（Claude Artifacts公司） ； ChatGPT Canvas（ChatGPT Canvas公司） ； Firebase Studio（Firebase Studio公司） ； Bolt（Bolt公司） ； Anthropic（Anthropic公司） ； OpenAI（OpenAI公司） ； Google（谷歌公司） ； StackBlitz（StackBlitz公司） 纠错

AI总结 研究生成式UI工具中设计原理与实际界面的脱节现象（设计剧场），引入含24个任务的基准及指标，评估五个工具创建的120个界面，发现原理实现率低、工具识别原则有限，贡献概念、基准及评估结果。

Comments Accepted at AAAI/AIES

EPM-RL: Reinforcement Learning for On-Premise Product Mapping in E-Commerce

EPM-RL：电商产品映射的强化学习方法

Minhyeong Yu, Wonduk Seo

机构 * AI Research, Enhans（AI研究，Enhans） 纠错

AI总结 本文提出EPM-RL框架，通过强化学习提升电商产品映射的准确性和效率，解决传统方法依赖外部API和高成本的问题，实现私有部署和低成本运营。

Comments preprint

Journal ref Proceedings of the AAAI Symposium Series, vol. 9, no. 1, p. 227, 2026

Analyzing Uncivil Speech Provocation and Implicit Topics in Online Political News

Rijul Magu, Nabil Hossain, Henry Kautz

Comments Peer reviewed at NECO-18 (hosted at International AAAI Conference on Web and Social Media 2018)

Journal ref NECO-18 at International AAAI Conference on Web and Social Media (ICWSM) 2018

Hidden Errors in Big Data: The Case of Property Records

大数据中的隐藏错误：以房产记录为例

Evelyn Smith, Emma Harvey, Jacob Goldin, Daniel E. Ho

AI总结 本文审计两个中介房产数据集，发现其存在1-2%售价偏差、12-15%覆盖错误等问题，错报高度一致，会影响财产税累退性估计，凸显开放行政数据的重要性。

Comments To appear in Proceedings of the Ninth AAAI/ACM Conference on AI, Ethics, and Society (AIES-26), Malmö, Sweden, October 12-14, 2026

Algorithms for Structured Elections under Thiele Voting Rules

Thiele投票规则下结构化选举的算法

Alexandra Lassota, Krzysztof Sornat

AI总结 该文研究Thiele投票规则下结构化选举的获胜者确定问题，针对选民区间域等设计FPT算法，解决了PAV相关的两个开放问题，推进了此类选举的计算复杂性研究。

Comments 18 pages. A conference version of this work appeared in AAAI 2026

When Specifications Conflict: A Symmetry-Based Framework for Measuring LLM Preferences

当规范冲突时：一种基于对称性的测量大语言模型（LLM）偏好的框架

Tairan Wang, Liang Zhou, Zikang Zhan, Pingchuan Yan

AI总结 本研究提出基于对称性的框架，通过含550个实例的数学基准等评估，发现LLM在冲突规范下有系统性偏好，排序为形式类>纯自然语言>输入-输出示例，可跨领域应用。

Comments Submitted to AAAI 2027

When AI Becomes Routine: A Decade of Public AI Mediation in Korean Go Commentary

当AI成为日常：韩国围棋解说中十年的公共AI中介实践

Haewoon Kwak

AI总结 本研究以YouTube十年间约1900小时的韩国围棋解说为语料，分析AI成为日常工具后，视觉与语言层面AI存在的不对称性，构建中介类型学并指出其在低AI可靠性领域的重要性。

Comments Accepted at AIES 2026 (AAAI/ACM Conference on AI, Ethics, and Society). Extended version: the conference paper followed by Appendices A-I. 23 pages, 4 figures, 13 tables

When AI Does the Work, What Is Learning For? Post-Instrumental Learning and the Risk of Capacity Dissolution

当AI完成工作时，学习的目的是什么？后工具性学习与能力消解的风险

Kai Yao

AI总结 本文针对AI完成机构判定能力的工作时学习目的模糊的问题，提出后工具性学习概念，分析其保留的五种能力及能力消解风险，核心指出AI治理需评估系统部署是否保留人的相关能力。

Comments Accepted at the Ninth AAAI/ACM Conference on AI, Ethics, and Society (AIES 2026), Malmö, Sweden, October 12--14, 2026. 19 pages, 1 table

Scaling, Lock-In, and Proxy Compliance: A Political Economy of Responsible AI

规模化、锁定效应与代理合规：负责任AI的政治经济学

Florian A. D. Burnat, Brittany I. Davidson

AI总结 本研究通过构建序贯政治经济模型，分析规模化AI问责的制度问题，揭示代理合规均衡的形成机制，指出独立审计权、可移植性等因素对执法与缓解的影响，解释了形式合规与运营结果存在差距的原因。

Comments Accepted at AAAI/ACM Conference on AI, Ethics, and Society (AIES '26)

A Sparse Glimpse of the Whole: Train-Free Self-Speculative Decoding

对整体的稀疏一瞥：无训练的自推测解码

Yuesong Liu, Yuan Zeng, Min Lyu, Ruilin Liu, Yu Guo, Yinlong Xu

AI总结 该研究针对推测解码加速受限问题，提出无训练的SparseSpec-L框架，通过动态稀疏KV缓存与熵控推测长度，在保留目标模型输出分布的同时实现长上下文推理的端到端加速。

Comments 9 pages, 4 figures, subbmited to AAAI 2027

AI From the Margins (AIM): Rethinking Participatory AI Design Through the Lived Experience of Minoritized Communities

边缘AI（AIM）：通过少数群体生活经验重新思考参与式AI设计

Tijs Portegies, Laureanne Willems, Maaike Harbers, Giovanni Sileno, Roland van Dierendonck, Mayesha Tasnim, Lotte Willemsen, Sennay Ghebreab

机构 * Utrecht University（乌特勒支大学） ； University of Amsterdam（阿姆斯特丹大学） 纠错

AI总结 提出AIM方法论，通过叙事启发、共同规则制定等步骤，将少数群体的生活经验融入参与式AI设计，并在荷兰医疗场景中验证其有效性。

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

RAGuard: A Layered Defense Framework for Retrieval-Augmented Generation Systems Against Data Poisoning

RAGuard：一种针对检索增强生成系统数据中毒的分层防御框架

Pushkal Kumar, Tucker Nielson, Tanish Kolhe, Shubham Zala, Vincent Li

AI总结 该研究针对RAG系统的语料库中毒攻击，提出分层防御框架RAGuard，含对抗微调检索器与ZKIP两层，可将攻击成功率降至0，且保持检索性能，相关资源已开源。

Comments Accepted to NeurIPS ResponsibleFM 2025, AAAI FrontierIR 2026

Probing the Origins of Reasoning Performance: Representational Quality for Mathematical Problem-Solving in RL vs. SFT Fine-Tuned Models

探究推理性能的起源：强化学习（RL）与监督微调（SFT）模型在数学问题求解中的表征质量

Antyabha Rahman, Akshaj Gurugubelli, Omar Ankit, Kevin Zhu, Aishwarya Balwani

AI总结 本研究探究RL与SFT微调模型数学推理性能差异的机制，发现RL模型的表征更具线性可分性、深层重要性更高，其token分配变异性或反映在线策略推理的分布。

Comments Second Workshop on XAI4Science, AAAI 2026

TANDEM: Temporal-Aware Neural Detection for Multimodal Hate Speech

TANDEM: 面向多模态仇恨言论的时间感知神经检测

Girish A. Koushik, Helen Treharne, Diptesh Kanojia

机构 * Nature-Inspired Computing & Engineering, University of Surrey（Surrey大学自然启发计算与工程系） ； Surrey Centre for Cyber Security, University of Surrey（Surrey大学网络安全中心） 纠错

AI总结 提出TANDEM统一框架，通过串联强化学习策略联合优化视觉-语言和音频-语言模型，将音频-视觉仇恨检测转化为结构化推理问题，在HateMM上目标识别F1达0.73（提升30%），并保持精确时间定位。

Comments Accepted to AAAI-ICWSM 2027

Prescriptive Artificial Intelligence: A Formal Paradigm for Auditing Human Decisions Under Uncertainty

规范性人工智能：一种用于在不确定性下审计人类决策的正式范式

Pedro Passos

机构 * Institute of Computing, Universidade Federal Fluminense (UFF)（联邦弗鲁米嫩塞大学计算研究所） 纠错

AI总结 本文提出规范性人工智能作为高风险环境下的人类-人工智能决策协作范式，通过四个公理证明了其与预测系统的核心区别，并展示了在决策模仿中系统性偏差的限制。

Comments Preprint; suitable for AI, decision sciences, and prescriptive analytics. Short versions published in Wharton Sports Analytics Journal Fall 2025 (AI Feature Spotlight) and accepted to AAAI Bridge on LM Reasoning 2026

Bayesian Neural Networks for One-to-Many Mapping in Image Enhancement

基于贝叶斯神经网络的图像增强中的一对多映射

Guoxi Huang, Qirui Yang, Ruirui Lin, Zipeng Qi, David Bull, Nantheera Anantrasirichai

AI总结 本文提出贝叶斯增强模型，利用贝叶斯神经网络和确定性神经网络解决图像增强中的一对多映射问题，通过捕捉数据不确定性生成多样化输出。

Journal ref Proceedings of the AAAI conference on artificial intelligence (2026)

Breaking the Stealth-Potency Trade-off in Clean-Image Backdoors with Generative Trigger Optimization

利用生成式触发器优化打破干净图像后门的隐蔽性-有效性权衡

Binyan Xu, Fan Yang, Di Tang, Xilin Dai, Kehuan Zhang

AI总结 该研究提出生成式干净图像后门框架GCB，利用条件InfoGAN优化触发器，仅需极小投毒示例即可实现攻击，CA下降不到1%，适配多类数据集、架构与任务，且能抵御多数后门防御。

Comments 19 pages, 22 figures, 15 tables. To appear in AAAI '26 (Oral). This paper extends the AAAI-2026 version by including the Appendix

ASCD: Attention-Steerable Contrastive Decoding for Reducing Hallucination in MLLM

ASCD：用于减少多模态大语言模型（MLLM）幻觉的注意力可导向对比解码

Yujun Wang, Aniri, Jinhe Bi, Soeren Pirk, Yunpu Ma

AI总结 该研究针对MLLM的幻觉问题，提出ASCD方法，通过正负引导调整解码时的注意力分数，在多基准上显著减少幻觉并提升VQA准确率，且无需额外训练。

Comments Accepted at AAAI 2026

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(12): 10306-10314, 2026

AlphaCrafter: Harnessing Multi-Agent Workflows for Cross-Sectional Quantitative Trading

AlphaCrafter：一个跨截面量化交易的全栈多智能体框架

Yishuo Yuan, Jiayi Sheng, Sirui Zeng, Jiaqi Wang, Jiaheng Liu

机构 * Nanjing University（南京大学） 纠错

AI总结 AlphaCrafter通过连续适应的因子到执行管道，整合因子发现、制度适应选择和风险约束执行，实现跨截面量化交易的鲁棒性能。

Comments Submitted to AAAI 2027

Localizing Persona Representations in LLMs

在大语言模型中定位角色表示

Celia Cintas, Miriam Rateike, Erik Miehling, Elizabeth Daly, Skyler Speakman

机构 * IBM Research Africa（IBM非洲研究院） ； IBM Research Europe（IBM欧洲研究院） 纠错

AI总结 研究大语言模型中角色表示的编码位置与方式，运用降维和模式识别方法，发现角色表示差异在解码器层最后三分之一内，特定伦理观点有重叠激活，政治意识形态区域不同，有助于理解LLM信息表示及改进输出调制。

Comments Corrected small naming inconsistencies for Level 0, 1, and 2 analysis

Journal ref Proceedings of the AAAI ACM Conference on AI, Ethics, and Society, 8(1), 630-642, 2025

Masked Autoencoders Learn Perception-Relevant Representations from Resting State Neural Data

掩码自动编码器从静息态神经数据中学习与感知相关的表示

Aleksandr Kovalev, Antonio Lozano, Fabrizio Grani, Cristina Soto Sanchez, Leili Soo, Rocío López-Peco, Adrian Villamarin-Ortiz, Roberto Morollón Ruiz, María del Mar Ayuso Arroyave, Alfonso Rodil, Eduardo Fernández

AI总结 研究利用自监督学习，通过在盲人参与者V1区的自发神经活动上预训练掩码自动编码器，测试能否改善感知解码。结果显示该方法有效，表明自发皮层活动有价值，无监督预训练是改善神经解码的好策略。

Comments 6 papers, 4 figures. NeuroAI Workshop, AAAI 2026

Journal ref Proceedings of the First Workshop on NeuroAI Multimodal Intelligence @ AAAI 2026, PMLR 308:93-98, 2026

Separating Clicks from Baits: Using Large Language Models to Detect Misleading YouTube Thumbnails

从诱饵中分离点击：使用大语言模型检测误导性的YouTube缩略图

Wajiha Naveed, Muhammad Muneeb Pervez, Zaeem Mohtashim Khan, Zafar Ayyub Qazi, Zartash Afzal Uzmi

AI总结 研究针对YouTube等平台误导性缩略图问题，提出用大语言模型的多模态检测管道，构建数据集并评估多个模型，发现Claude 3.5 Sonnet性能突出，通过失败分析为视频平台发展提供方向。

Comments Accepted to the 21st International AAAI Conference on Web and Social Media (ICWSM 2027)

Journal ref Proceedings of the International AAAI Conference on Web and Social Media, 2027

Auditing Alignment Controllability in LLMs via Political Axes

通过政治轴审计大语言模型中的对齐可控性

Bartol Bućan, Nikola Sočec, Sarah Isufi, Morena Granić, Luka Hobor, Agneza Krajna, Mihael Kovac, Mario Brcic

AI总结 研究通过对7个大语言模型进行基于提示可控性的压力测试，探讨其在政治轴上的对齐可控性，发现上下文框架起主要作用，模型移动方式有别，强调政治坐标审计需考虑分散性等可控性因素，并发布相关数据和代码。

Comments 17 pages, 6 figures, 4 tables. Accepted at AIES 2026 (AAAI/ACM Conference on AI, Ethics, and Society). This version includes the supplementary appendix. Code and data: https://github.com/mbrcic/llm-political-steerability (Zenodo DOI 10.5281/zenodo.21489805)

Distribution-Specific Curvature Control with Finite-Sample Guarantees for Open-Weight Safety

具有有限样本保证的开放权重安全的特定分布曲率控制

Domenic Rosati, Ali Dadsetan, Hong Huang, Xijie Zeng, Hassan Chowdhry, Subhabrata Majumdar, Hassan Sajjad, Frank Rudzicz

AI总结 研究如何在开放权重模型中防止有害微调并保留良性适应性，提出HarmAlign方法，通过沿估计子空间变形等操作，推导有限样本界，实现条件收敛率控制，在多种设置下有效阻止攻击且保护良性任务。

Comments Under submission AAAI 2027

From Who They Are to How They Act: Behavioral Traits in Generative Agent-Based Models of Social Media

从他们是谁到他们如何行动：生成式基于代理的社会媒体模型中的行为特征

Valerio La Gatta, Gian Marco Orlando, Marco Perillo, Ferdinando Tammaro, Vincenzo Moscato

AI总结 本文提出通过行为特征显式表征代理行为，以生成更真实的社交媒体参与模式和内容传播动态。

Comments Accepted at The International AAAI Conference on Web and Social Media (ICWSM) 2027

Drive As You Like: Multi-Head Diffusion with Reinforcement Learning for Personalized Driving

随心所欲驾驶：基于强化学习的多头部扩散个性化驾驶

Fan Ding, Xuewen Luo, Fucai Ke, Hwa Hui Tew, Susilawati Susilawati, Vishnu Monn Baskaran, Junn Yong Loo

机构 * School of Information Technology, Monash University Malaysia（墨尔本大学马来西亚分校信息科技学院） ； Southwest University, China（西南大学） 纠错

AI总结 研究旨在解决自动驾驶规划器忽视人类驾驶行为多样性及难以理解用户意图的问题。提出基于强化学习的多策略框架，集成多头部扩散规划器与语义理解，采用两阶段训练范式。实验表明该方法在nuPlan基准测试中性能良好，能满足实时规划并对齐用户意图。

Comments Has been submitted to AAAI 2026

What Does the Credential Still Certify? Cognitive Stewardship for AI-Mediated Education

证书仍然证明什么？人工智能介导教育的认知管理

Kai Yao

AI总结 研究探讨生成式AI对教育评估前提的改变，开发认知管理框架，审核30所大学的AI评估指南，发现公共政策分类AI使用较好但解释证书有效性不足，强调大学需制定使认证逻辑可见的政策。

Comments Accepted at the Ninth AAAI/ACM Conference on AI, Ethics, and Society (AIES 2026), Malmö, Sweden, October 12--14, 2026. 13 pages, 3 figures; supplementary material is available as an ancillary file

Predicting Groundwater Arsenic Concentrations Using Graph Neural Networks

使用图神经网络预测地下水中的砷浓度

William Xing, Stephanie Yang, Aarush Bandemegal, Anushree Misra, Ananya Kalapatapu, Brennan Lagasse, Kevin Zhu

AI总结 研究针对美国地下水砷污染问题，将其预测设为回归任务，构建整合数据集，运用k-NN、GIS等技术连接测量点。评估多种机器学习模型，发现图神经网络能考虑空间依赖性，超越梯度提升树，为地下水风险测绘和监测提供基础。

Comments 7 pages, 5 figures, 1 table, AAAI '26 AI4ES workshop acceptance

A Sheaf-Theoretic and Topological Perspective on Complex Network Modeling and Attention Mechanisms in Graph Neural Models

图神经模型中复杂网络建模与注意力机制的层论与拓扑视角

Chuan-Shen Hu

机构 * National Central University（国立中央大学） 纠错

AI总结 提出细胞层论框架分析图神经网络中节点特征与边权重的局部一致性与调和性，并引入基于拓扑数据分析的多尺度扩展以捕获层次特征交互。

Comments Accepted as a poster at the AAAI 2026 Workshop on Mathematical Foundations of AI (MATH4AI)

MVGD-Net: A Novel Motion-aware Video Glass Surface Detection Method

MVGD-Net: 一种新颖的运动感知视频玻璃表面检测网络

Yiwei Lu, Hao Huang, Tao Yan

机构 * Tao Yan（谭燕） 纠错

AI总结 MVGD-Net通过利用视频中运动不一致特性，提出新颖网络检测玻璃表面，结合多模块融合与大规模数据集提升检测性能。

Comments This paper has been accepted by the 40th AAAI Conference on Artificial Intelligence (AAAI-26). It contians 9 pages, 11 figures