AAAI

Algorithmic Gender Prediction Is Illegitimate, But Gender Imputation Can Yield Valid Measurements

算法性别预测是不合法的，但性别推断可产生有效测量结果

Evan Dong, Angelina Wang

AI总结 该研究区分了性别预测的合法性与有效性，指出用于公平的性别推断对部分性别歧视场景可产生有效测量但对跨性别者等不合法，建议仅在必要时部署并开发更包容的方法。

Comments Accepted to the 9th AAAI/ACM Conference on AI, Ethics and Society (AIES-26)

Rules or Character? Scaling Laws for AI Safety Design

规则还是特性？AI安全设计的缩放定律

Satoshi Takahashi, Nobuji Kouno, Masaaki Komatsu, Ryuji Hamamoto

AI总结 该研究构建模型分析AI安全的特性塑造与规则执行的资源分配，发现部署规模对最优分配影响较小，特性脆弱率才是主导因素，二者的最优值在大规模部署下会收敛。

Comments Accepted at AIES 2026 (9th AAAI/ACM Conference on AI, Ethics, and Society). 10 pages, 6 figures, 4 tables

The Time Value of Evolution

进化的时间价值

Matthew Siper, Ahmed Khalifa, Julian Togelius

机构 * New York University（纽约大学） ； University of Malta（马耳他大学） 纠错

AI总结 该研究提出LVPG框架，将进化的时间价值形式化，通过长视野信用分配加速有限预算搜索，提升了自动交易策略发现的性能。

Comments Submitted to AAAI 2026, 8 pages, 5 figures, 2 tables

Follow the Norm: Accounting for Fine-Tuning and Prompt Effects on Model Rationales

遵循规范：考量微调与提示对模型理由的影响

Long Hoang Nguyen, Brice Valentin Kok-Shun, Guangyu Du, Ali Sunyaev

AI总结 该研究将AI视为代理主体，通过对LLaMA-3.2-11B等三个模型开展实验，发现违反规范的微调会改变模型的理由风格，而系统提示可覆盖该行为，支持对齐的分布式观点，为可争议监督提供了相关依据。

Comments Extended version with appendix; final version to appear in the Proceedings of AAAI/ACM AIES 2026

Discovering Efficient and Explainable Communication Topologies for LLM-based Multi-Agent Systems via Causal Inference

通过因果推理发现基于大语言模型的多智能体系统的高效且可解释的通信拓扑

Junzhi Li, Peng He, Qirui Ji, Wei Wang, Lixiang Liu, Chuxiong Sun

AI总结 该研究针对基于LLM的多智能体系统通信拓扑可解释性不足的问题，提出模型无关框架E2-Explainer，通过因果推理识别关键通信子图，在保持任务性能的同时降低了通信成本。

Comments 18 pages, 4 figures. Submitted to AAAI 2027

From Fair Representation to Just Recognition in Generative AI

从生成式AI中的公平表征到公正承认

Severin Engelmann, Daniel Susser

AI总结 该研究针对生成式AI的公平挑战，指出现有表征公平策略存在局限，提出借鉴参与平等理论，从表征公平转向承认正义以解决相关问题。

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

IF:CARGO: LLM-Based Semantic Compilation for Al-Native Rule Programming Games

IF:CARGO：面向AI原生规则编程游戏的基于大语言模型的语义编译

Ting-Chen Hsu, Lianye Zhang, Jiangxu Lin, Zhaoyi Yu, Fei Qin, Zihao Chen

AI总结 本研究通过实验性益智游戏IF:CARGO，将大语言模型用作语义编译器而非游戏代理，开展24人混合方法游戏测试，提出AI原生游戏需约束自然语言输入、保留玩家创作权并确保确定性执行的模式。

Comments Accepted to 2026 AAAI Conference on Artificial Intelligence and Digital Interactive Entertainment (AIIDE)

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

Understanding Content Moderation in Large Language Models through Restricted Books: From Refusal to Warning

通过受限书籍理解大语言模型的内容审核：从拒绝对话到发出警告

Xucheng Yu, Emily Knox, Haohan Wang

AI总结 该研究以400本受限与非受限书籍为测试平台，对6家AI提供商的6种前沿模型开展大规模实验，发现现代LLM对受限书籍仅0.07%的案例拒绝对话，其内容政策已转向校准的上下文敏感披露。

Comments Accepted at AIES 2026 (AAAI/ACM Conference on AI, Ethics, and Society). 13 pages, 4 figures, 5 tables. This arXiv version includes the full appendix

Glance, Scrutinize, and Think: Advancing Video Anomaly Detection from Training-Free to Agentic Reasoning

扫视、审视与思考：将视频异常检测从无训练推进到智能体推理

Shibo Gao, Peipei Yang, Xu-Yao Zhang, Linlin Huang

机构 * Beijing Jiaotong University（北京交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

AI总结 该研究针对视频异常检测的“何时-何事”脱节问题，提出无训练框架GtS及工具增强型智能体方法，扩展基准并引入联合评估指标，实现了更高的异常检测准确性与推理速度。

Comments 34 pages, 8 figures, 8 tables. Journal extension of our AAAI 2026 paper (arXiv:2507.21507)

SKILLER: Language-Level Reinforcement Learning for Reusable Skill Extraction in Small Language Models

SKILLER：面向小型语言模型可复用技能提取的语言级强化学习框架

Chenhao Dang, Siyuan Xiong, Conghui He, Weijia Li

AI总结 研究针对小型语言模型技能生成成本高的问题，提出SKILLER框架，经实验在多基准上优于现有方法，性能接近闭源模型，可大幅降低智能体技能部署成本。

Comments 15 pages, 6 figures, and 8 tables. Submitted to AAAI 2027. Project and code: https://github.com/DANG-ai/SKILLER

ELMER: Evolutionary Language Model that Explores and Refines

ELMER：探索与优化的进化语言模型

Matthew Siper, Ahmed Khalifa, Julian Togelius

机构 * New York University（纽约大学） ； University of Malta（马耳他大学） 纠错

AI总结 本研究提出进化语言模型 ELMER，通过微调 Qwen3-8B 并结合 oDPO 优化，实现自然语言策略搜索与编译，提升进化搜索效率，证明语言可作为可执行程序空间的可引导搜索表示。

Comments Submitted to AAAI Conference 2026, 8 pages, 6 figures, 1 table

Context and Symmetry in Auditing: A Case Study of Skeleton Inference in Motion Capture

审计中的语境与对称性：以动作捕捉中的骨架推理为例

Emma Harvey, Emanuel Moss, Hauke Sandhaus, Abigail Z. Jacobs, Mona Sloane

AI总结 本文以动作捕捉的骨架推理为案例，提出语境审计方法，结合对称性概念，用于评估AI系统行为与应然表现的契合度，为AI审计提供新思路。

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

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)

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

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

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

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

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)

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)

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)

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

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)

"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)

Conformal Coverage Guarantees for Any Video Temporal Grounder

任意视频时间定位器的共形覆盖保证

Aseel Mohamed, Rasul Khanbayov, Erchin Serpedin, Hasan Kurban

AI总结 针对视频时间定位器的模糊性问题，提出与模型无关的COVER包装器，可保证输出区域以至少1-α的概率包含真实时刻，在多基准和定位器上验证了其覆盖度符合目标值。

Comments Submitted to AAAI 2027

People Are Not Just Their Countries. Disentangling Social Determinants of LLM Value Alignment Across Europe

人不只是其所属国家：在欧洲范围内解耦大型语言模型（LLM）价值对齐的社会决定因素

Maria-Louisa Wightman, Guillaume Bied, Tijl De Bie

AI总结 本研究依托欧洲社会调查，发现LLMs与不同社会人口学群体的价值观对齐存在差异，国籍作为单独变量的解释力与全部社会人口学变量相当，国家与社会人口学因素在解释对齐模式上互补。

Comments Accepted at AIES 2026 (9th AAAI/ACM Conference on AI, Ethics, and Society)

Data Annotation as Measurement

数据标注即测量

Emma Harvey, Allison Koenecke, Rene F. Kizilcec

AI总结 本文将数据标注重新定义为测量，通过文献综述和访谈开发标注问题诊断框架，明确标注问题来源并给出超越一致性的质量评估方法，为提升AI标注数据质量提供概念基础。

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

Calibrating WEAT Against Anisotropy: ZCA Whitening as a Geometric Pre-Processing Step for Embedding Association Tests

针对各向异性校准WEAT：将ZCA白化作为嵌入关联测试的几何预处理步骤

Seitaro Ono, Senna Ross, Jun Saiki

AI总结 本研究提出将ZCA白化作为预处理步骤校准WEAT，可降低嵌入空间各向异性，超30%WEAT结果显著性改变，提升语义相似度，为相关偏差测量提供更可靠基础。

Comments Extended version (with appendices) of a paper accepted at the 9th AAAI/ACM Conference on AI, Ethics, and Society (AIES 2026)

The Algorithmic Flattening of Sound: Computational Evidence and Justice Implications of AI Music Homogenization

声音的算法扁平化：AI音乐同质化的计算证据与正义意涵

Zoe Slendebroek, Danaé Metaxa

AI总结 本文审计Suno和Lyria 3在四类音乐中的同质化趋势，发现二者存在不同的同质化模式，AI与人类曲目可被MIR特征近乎完美区分，该现象关乎音乐风格的可识别性与经济回报等正义问题。

Comments To be published in AAAI/ACM AIES 2026

Decoupling Perception from Description: Computation-Grounded Representation Alignment between Multivariate Time Series and Language

感知与描述解耦：多变量时间序列与语言间的计算基础表示对齐

Xinran Feng, Yi Xie, Chao Zhang, Ruikun Li, Wanyun Ling, Ziyue Li, Chenxi Liu

AI总结 该研究针对多模态时间序列语言对齐的三难困境，提出CGTime模型，通过计算处理感知、LLM处理描述，在多变量理解任务上优于更大的通用模型。

Comments 46 pages, 9 figures, including supplementary material. Submitted to AAAI 2027. Xinran Feng and Yi Xie contributed equally