AAAI

MoBGS: Motion Deblurring Dynamic 3D Gaussian Splatting for Blurry Monocular Video

MoBGS: 用于模糊单目视频的运动去模糊动态3D高斯点云技术

Minh-Quan Viet Bui, Jongmin Park, Juan Luis Gonzalez Bello, Jaeho Moon, Jihyong Oh, Munchurl Kim

AI总结 MoBGS通过模糊适应性潜在相机估计和曝光估计方法，实现对模糊单目视频中动态场景的高效去模糊和高质量时空视图重建。

Comments This paper has been accepted to AAAI 2026. The first two authors contributed equally to this work (equal contribution). The last two authors are co-corresponding authors. Please visit our project page at https://kaist-viclab.github.io/mobgs-site/

Reason-Plan-ReAct: A Reasoner-Planner Supervising a ReAct Executor for Complex Enterprise Tasks

原因-计划-行动：一种监督ReAct执行器的推理-规划器用于复杂企业任务

Gianni Molinari, Fabio Ciravegna

AI总结 RP-ReAct通过分离战略规划与低层执行，提升企业复杂任务处理的可靠性和效率。

Comments 11 pages, 1 figure, 2 tables, Workshop AAAI 2026 agentic AI Benchmarks and Applications for Enterprise Tasks

Step-by-step Layered Design Generation

逐步分层设计生成

Faizan Farooq Khan, K J Joseph, Koustava Goswami, Mohamed Elhoseiny, Balaji Vasan Srinivasan

AI总结 本文提出逐步分层设计生成方法，通过分层变化建模设计生成过程，引入新评估套件并验证其有效性。

Journal ref AAAI 2026

Robust Tabular Foundation Models

鲁棒表格基础模型

Matthew Peroni, Franck Le, Vadim Sheinin

AI总结 本文提出鲁棒表格基础模型（RTFM），通过参数化生成器分布实现对抗鲁棒性，提升表格基础模型的基准性能。

Comments Shaping Responsible Synthetic Data in the Era of Foundation Models, AAAI 2026

Journal ref Shaping Responsible Synthetic Data in the Era of Foundation Models, AAAI 2026

HydroDCM: Hydrological Domain-Conditioned Modulation for Cross-Reservoir Inflow Prediction

HydroDCM: 水文领域条件调节用于跨水库进水预测

Pengfei Hu, Fan Ming, Xiaoxue Han, Chang Lu, Yue Ning, Dan Lu

机构 * Oak Ridge National Laboratory（橡树岭国家实验室） 纠错

AI总结 HydroDCM通过引入空间元数据构建伪领域标签，结合对抗学习和轻量级条件层，实现跨水库进水预测的领域泛化与适应性。

Comments Accepted by AAAI 2026 workshop (oral) on AI for Environmental Science

Culture Affordance Atlas: Reconciling Object Diversity Through Functional Mapping

文化可及性图谱：通过功能映射调和物体多样性

Joan Nwatu, Longju Bai, Oana Ignat, Rada Mihalcea

AI总结 本文提出文化可及性图谱，通过功能映射调和物体多样性，减少经济绩效差距，提升低收入环境模型效果。

Journal ref AAAI 2026 Social Impact Track

PanFoMa: A Lightweight Foundation Model and Benchmark for Pan-Cancer

PanFoMa：一种轻量级基础模型和跨癌症基准

Xiaoshui Huang, Tianlin Zhu, Yifan Zuo, Xue Xia, Zonghan Wu, Jiebin Yan, Dingli Hua, Zongyi Xu, Yuming Fang, Jian Zhang

AI总结 PanFoMa通过结合Transformer和状态空间模型，提出了一种轻量级基础模型和跨癌症基准，有效捕捉局部和全局调控信号，提升单细胞转录组建模性能。

Comments Accepted by AAAI 2026

QGShap: Quantum Acceleration for Faithful GNN Explanations

QGShap：用于忠实图神经网络解释的量子加速

Haribandhu Jena, Jyotirmaya Shivottam, Subhankar Mishra

机构 * School of Computer Sciences（计算机科学学院） ； National Institute of Science Education and Research（国家科学教育与研究 institute） ； An OCC of Homi Bhabha National Institute, India（印度霍米·巴哈瓦国家研究所的分支） 纠错

AI总结 QGShap通过量子计算实现图神经网络解释的加速，提供精确且高效的Shapley值计算，提升解释的保真度和准确性。

Comments Accepted in the QC+AI Workshop at AAAI 2026

Focusing on Language: Revealing and Exploiting Language Attention Heads in Multilingual Large Language Models

聚焦语言：揭示并利用多语言大语言模型中的语言注意力头

Xin Liu, Qiyang Song, Qihang Zhou, Haichao Du, Shaowen Xu, Wenbo Jiang, Weijuan Zhang, Xiaoqi Jia

AI总结 本文提出LAHIS方法，通过分析多语言大语言模型中的注意力头，揭示语言特定与通用头的作用，并通过轻量级适应提升多语言性能。

Comments Accepted by AAAI-2026

S5: Scalable Semi-Supervised Semantic Segmentation in Remote Sensing

S5: 远程感知中可扩展的半监督语义分割

Liang Lv, Di Wang, Jing Zhang, Lefei Zhang

机构 * National Engineering Research Center for Multimedia Software, School of Computer Science, Wuhan University（国家多媒体软件工程研究中心，计算机学院，武汉大学） 纠错

AI总结 S5提出了一种可扩展的半监督语义分割框架，通过大规模数据集和预训练范式提升遥感任务的性能。

Comments AAAI 2026 Oral

Privacy-protected Retrieval-Augmented Generation for Knowledge Graph Question Answering

隐私保护的检索增强生成用于知识图谱问答

Yunfeng Ning, Mayi Xu, Jintao Wen, Qiankun Pi, Yuanyuan Zhu, Ming Zhong, Jiawei Jiang, Tieyun Qian

AI总结 本文提出ARoG框架，通过关系中心和结构导向的抽象策略，解决隐私保护下的知识图谱问答中的检索与隐私问题。

Comments Accepted by AAAI 2026, camera ready version

FantasyStyle: Controllable Stylized Distillation for 3D Gaussian Splatting

FantasyStyle: 用于3D高斯点云的可控风格化蒸馏

Yitong Yang, Yinglin Wang, Changshuo Wang, Huajie Wang, Shuting He

AI总结 FantasyStyle通过可控风格化蒸馏和多视图频率一致性，解决3DGS风格迁移中的多视图不一致和内容泄漏问题，提升风格化质量与视觉真实感。

Comments Accepted by AAAI 2026

MARS: A Meta-Adaptive Reinforcement Learning Framework for Risk-Aware Multi-Agent Portfolio Management

MARS：一种面向风险的多智能体投资组合管理元适应强化学习框架

Jiayi Chen, Jing Li, Guiling Wang

AI总结 MARS通过多智能体和风险导向的方法，实现投资组合管理中风险与收益的平衡，利用行为多样性提升市场环境下的稳健性。

Comments Accepted by AAAI 2026 Main Track

A$^2$LC: Active and Automated Label Correction for Semantic Segmentation

A$^2$LC: 语义分割中的主动和自动化标签校正

Youjin Jeon, Kyusik Cho, Suhan Woo, Euntai Kim

AI总结 A$^2$LC通过主动和自动化标签校正框架，显著提升语义分割的效率和性能，仅用20%的预算就超越现有方法。

Comments Accepted by AAAI 2026

Margin-aware Preference Optimization for Aligning Diffusion Models without Reference

基于边界的偏好优化：无需参考的扩散模型对齐

Jiwoo Hong, Sayak Paul, Noah Lee, Kashif Rasul, James Thorne, Jongheon Jeong

AI总结 本文提出MaPO，一种无需参考的扩散模型对齐方法，通过优化偏好输出与非偏好输出之间的边界，提升T2I任务的适应性能，减少训练时间并优于现有方法。

Comments Accepted to AAAI 2026 Main Technical Track

TokenPowerBench: Benchmarking the Power Consumption of LLM Inference

TokenPowerBench：评估大语言模型推理的能耗基准

Chenxu Niu, Wei Zhang, Jie Li, Yongjian Zhao, Tongyang Wang, Xi Wang, Yong Chen

AI总结 TokenPowerBench是首个用于评估大语言模型推理能耗的轻量可扩展基准，通过测量和分析不同设置对能效指标的影响，帮助用户优化能耗和可持续性。

Comments Accepted by the AAAI'26 Conference Main Track

InEx: Hallucination Mitigation via Introspection and Cross-Modal Multi-Agent Collaboration

InEx：通过内省与跨模态多智能体协作缓解幻觉

Zhongyu Yang, Yingfang Yuan, Xuanming Jiang, Baoyi An, Wei Pang

AI总结 InEx通过内省推理和跨模态多智能体协作，自主缓解大型语言模型的幻觉问题，实验表明其在多个基准上表现优异。

Comments Published in AAAI 2026

Rethinking Surgical Smoke: A Smoke-Type-Aware Laparoscopic Video Desmoking Method and Dataset

重新思考手术烟雾：一种基于烟雾类型意识的腹腔镜视频去烟方法和数据集

Qifan Liang, Junlin Li, Zhen Han, Xihao Wang, Zhongyuan Wang, Bin Mei

AI总结 本文提出了一种基于烟雾类型意识的腹腔镜视频去烟方法，通过引入两种烟雾类型和解纠缠模块，提升了去烟效果和泛化能力。

Comments 12 pages, 15 figures. Accepted to AAAI-26 (Main Technical Track)

COACH: Collaborative Agents for Contextual Highlighting -- A Multi-Agent Framework for Sports Video Analysis

COACH：基于上下文高亮的协作代理——一种多代理框架用于体育视频分析

Tsz-To Wong, Ching-Chun Huang, Hong-Han Shuai

AI总结 COACH提出一种多代理框架，通过协作代理实现体育视频分析中的上下文高亮，提升时间层次结构的理解与跨任务适应性。

Comments Accepted by AAAI 2026 Workshop LaMAS

iMAD: Intelligent Multi-Agent Debate for Efficient and Accurate LLM Inference

iMAD: 智能多智能体辩论用于高效准确的LLM推理

Wei Fan, JinYi Yoon, Bo Ji

AI总结 iMAD通过智能触发多智能体辩论，高效减少令牌消耗并提升LLM推理准确性

Comments Accepted in AAAI 2026 (Oral)

HLPD: Aligning LLMs to Human Language Preference for Machine-Revised Text Detection

HLPD: 通过人类语言偏好对齐大语言模型以检测机器修订文本

Fangqi Dai, Xingjian Jiang, Zizhuang Deng

AI总结 HLPD通过人类语言偏好优化提升机器修订文本检测性能，实现对GPT系列模型和先进大语言模型生成文本的高效识别。

Comments 20 pages, 10 figures, accepted by AAAI'26

Do Large Language Models Think Like the Brain? Sentence-Level Evidences from Layer-Wise Embeddings and fMRI

大语言模型是否像大脑思考？来自逐句嵌入和fMRI的层间证据

Yu Lei, Xingyang Ge, Yi Zhang, Yiming Yang, Bolei Ma

AI总结 本研究通过比较LLMs的层级嵌入与fMRI数据，揭示了大语言模型在句级层面与人类大脑的相似性，展示了LLMs在语言处理中的潜在应用价值。

Comments AAAI 2026

ELSPR: Evaluator LLM Training Data Self-Purification on Non-Transitive Preferences via Tournament Graph Reconstruction

ELSPR: 通过比赛图重建实现评估LLM训练数据的自净化

Yan Yu, Yilun Liu, Minggui He, Shimin Tao, Weibin Meng, Xinhua Yang, Li Zhang, Hongxia Ma, Dengye Li, Daimeng Wei, Boxing Chen, Fuliang Li

AI总结 ELSPR通过构建比赛图识别并净化LLM训练数据中的非传递性偏好，提升评估系统的可靠性与一致性。

Comments Accepted by AAAI 2026

TGDD: Trajectory Guided Dataset Distillation with Balanced Distribution

轨迹引导的数据集蒸馏与平衡分布

Fengli Ran, Xiao Pu, Bo Liu, Xiuli Bi, Bin Xiao

机构 * Fengli Ran 1,2（Ran Fengli 1,2） ； Xiao Pu 1（Pu Xiao 1） ； Bo Liu 1（Liu Bo 1） ； Xiuli Bi 1（Bi Xiuli 1） ； Bin Xiao 1,3（Xiao Bin 1,3） 纠错

AI总结 TGDD通过轨迹引导的动态对齐和分布约束正则化，在保持语义多样性和代表性的同时提升下游任务性能。

Comments Accepted in AAAI 2026

When Refusals Fail: Unstable Safety Mechanisms in Long-Context LLM Agents

当拒绝失效时：长上下文LLM代理中的不稳定安全机制

Tsimur Hadeliya, Mohammad Ali Jauhar, Nidhi Sakpal, Diogo Cruz

AI总结 研究发现长上下文LLM代理在性能和拒绝率上存在不稳定安全问题，揭示了评估长多步骤任务代理安全性的挑战。

Comments 12 pages, 11 figures. Accepted at AAAI 2026 TrustAgent Workshop

DiCaP: Distribution-Calibrated Pseudo-labeling for Semi-Supervised Multi-Label Learning

DiCaP：基于分布校准的伪标签法用于半监督多标签学习

Bo Han, Zhuoming Li, Xiaoyu Wang, Yaxin Hou, Hui Liu, Junhui Hou, Yuheng Jia

AI总结 DiCaP通过分布校准伪标签法，提升半监督多标签学习的性能，实现高达4.27%的提升。

Comments Accepted by AAAI-26

Mixture of Ranks with Degradation-Aware Routing for One-Step Real-World Image Super-Resolution

稀疏专家混合与退化感知路由用于一步现实图像超分辨率

Xiao He, Zhijun Tu, Kun Cheng, Mingrui Zhu, Jie Hu, Nannan Wang, Xinbo Gao

机构 * State Key Laboratory of Integrated Services Networks, Xidian University（信息服务网络国家重点实验室，西安电子科技大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

AI总结 本文提出了一种基于稀疏MoE和退化感知路由的单步现实图像超分辨率框架，通过细粒度专家分区和动态负载均衡提升超分辨率效果。

Comments 16 pages, Accepted by AAAI 2026, v2: corrected typos

Fast 3D Surrogate Modeling for Data Center Thermal Management

快速三维代理建模用于数据中心热管理

Soumyendu Sarkar, Antonio Guillen-Perez, Zachariah J Carmichael, Avisek Naug, Refik Mert Cam, Vineet Gundecha, Ashwin Ramesh Babu, Sahand Ghorbanpour, Ricardo Luna Gutierrez

AI总结 本文提出基于视觉的快速三维代理建模方法，用于实时预测数据中心温度分布，实现高效的冷却控制与能耗降低。

Comments Submitted to AAAI 2026 Conference

Steering One-Step Diffusion Model with Fidelity-Rich Decoder for Fast Image Compression

通过高保真解码器引导单步扩散模型实现快速图像压缩

Zheng Chen, Mingde Zhou, Jinpei Guo, Jiale Yuan, Yifei Ji, Yulun Zhang

AI总结 SODEC通过单步扩散模型和高保真解码器实现快速图像压缩，显著提升压缩效率和保真度

Comments Accepted to AAAI 2026. Code is available at: https://github.com/zhengchen1999/SODEC

LiDARCrafter: Dynamic 4D World Modeling from LiDAR Sequences

LiDARCrafter：从LiDAR序列动态构建4D世界模型

Ao Liang, Youquan Liu, Yu Yang, Dongyue Lu, Linfeng Li, Lingdong Kong, Huaici Zhao, Wei Tsang Ooi

机构 * WorldBench Team（WorldBench团队） 纠错

AI总结 LiDARCrafter通过自然语言输入生成和编辑4D LiDAR数据，实现高保真度、可控性和时间一致性，为自动驾驶数据增强和模拟提供新方法。

Comments AAAI 2026 Oral Presentation; 38 pages, 18 figures, 12 tables; Project Page at https://lidarcrafter.github.io