AAAI杰出論文來了！港科大、同濟、浙師大等國內(nèi)高校獲獎

編輯｜張倩、陳陳

剛剛，AAAI 2026 官網(wǎng)公布了今年的「杰出論文」（相當(dāng)于最佳論文）獎項，共有 5 篇論文獲獎，其中有三篇由華人團隊主導(dǎo)，作者來自香港科技大學(xué)（廣州）、西湖大學(xué)、浙江大學(xué)、同濟大學(xué)、浙江師范大學(xué)、香港城市大學(xué)等多所國內(nèi)高校。

AAAI 由國際人工智能促進協(xié)會主辦，是人工智能領(lǐng)域歷史最悠久、涵蓋內(nèi)容最廣泛的國際頂級學(xué)術(shù)會議之一，也是中國計算機學(xué)會（CCF）推薦的 A 類國際學(xué)術(shù)會議，每年舉辦一屆。

AAAI 2026 于 1 月 20 日至 27 日在新加坡舉行，總投稿數(shù)為 23,680 篇，錄用論文 4,167 篇，接收率為 17.6%。

以下是獲獎?wù)撐牡木唧w情況。

論文 1：ReconVLA: Reconstructive Vision-Language-ActionModel as Effective Robot Perceiver

• 作者：Wenxuan Song, Ziyang Zhou, Han Zhao, Jiayi Chen, Pengxiang Ding, Haodong Yan, Yuxin Huang, Feilong Tang, Donglin Wang, Haoang Li
• 機構(gòu)：香港科技大學(xué)（廣州）、西湖大學(xué)、浙江大學(xué)、莫納什大學(xué)
• 論文鏈接：https://arxiv.org/pdf/2508.10333
• 項目主頁：https://zionchow.github.io/ReconVLA/

近年來，視覺 — 語言 — 動作（VLA）模型的進展，使機器人智能體能夠?qū)⒍嗄B(tài)理解與動作執(zhí)行相結(jié)合。然而，實證分析發(fā)現(xiàn)，現(xiàn)有的 VLA 模型在將視覺注意力分配到目標(biāo)區(qū)域時仍然存在明顯困難，其注意力往往呈現(xiàn)分散狀態(tài)。

為引導(dǎo)視覺注意力在正確目標(biāo)上的有效 grounding ，作者提出了 ReconVLA，一種采用隱式對齊范式的重建式 VLA 模型。

該方法以模型的視覺輸出為條件，引入擴散 Transformer 來重建圖像中的注視區(qū)域（gaze region），而這一注視區(qū)域正對應(yīng)于被操作的目標(biāo)物體。通過這一過程，VLA 模型被促使學(xué)習(xí)更加細粒度的表征，并能夠準(zhǔn)確分配視覺注意力，從而更充分地利用任務(wù)相關(guān)的視覺信息，完成精確操作。

此外，作者構(gòu)建了一個大規(guī)模預(yù)訓(xùn)練數(shù)據(jù)集，包含來自開源機器人數(shù)據(jù)集的十萬余條軌跡和兩百萬條數(shù)據(jù)樣本，進一步提升了模型在視覺重建任務(wù)上的泛化能力。大量仿真與真實環(huán)境中的實驗結(jié)果表明，論文提出的隱式對齊方法具備明顯優(yōu)勢，在精細操作能力和泛化表現(xiàn)上均有出色表現(xiàn)。

論文 2：LLM2CLIP: Powerful Language Model Unlocks Richer Cross-Modality Representation

• 作者：Weiquan Huang, Aoqi Wu, Yifan Yang, Xufang Luo, Yuqing Yang, Usman Naseem, Chunyu Wang, Qi Dai, Xiyang Dai, Dongdong Chen, Chong Luo, Lili Qiu, Liang Hu
• 機構(gòu)：同濟大學(xué)、微軟、麥考瑞大學(xué)
• 論文鏈接：https://arxiv.org/pdf/2411.04997
• 論文主頁：https://microsoft.github.io/LLM2CLIP/

CLIP 是一種具有奠基意義的多模態(tài)模型，它通過在數(shù)十億規(guī)模的圖像 — 文本配對數(shù)據(jù)上進行對比學(xué)習(xí)，將圖像與文本映射到同一表示空間。

受到 LLM 迅猛發(fā)展的啟發(fā)，作者探討了如何利用 LLM 更強的語言理解能力與廣泛的世界知識來進一步增強 CLIP，尤其是在處理冗長且結(jié)構(gòu)復(fù)雜的描述文本時的表現(xiàn)。為此，他們提出了一種高效的微調(diào)框架，將 LLM 嵌入到預(yù)訓(xùn)練的 CLIP 中，而訓(xùn)練成本幾乎與常規(guī)的 CLIP 微調(diào)相當(dāng)。具體而言，該方法首先將 LLM 轉(zhuǎn)化為適配 CLIP 場景的「嵌入化」形式，隨后通過一個輕量級適配器將其與預(yù)訓(xùn)練的 CLIP 視覺編碼器耦合，該適配器僅需在數(shù)百萬規(guī)模的圖像 — 文本對上進行訓(xùn)練。

借助這一策略，作者在無需大規(guī)模重新訓(xùn)練的前提下，相較于 EVA02、SigLIP-2 等當(dāng)前最先進的 CLIP 變體，取得了顯著的性能提升。經(jīng) LLM 增強后的 CLIP 在多種下游任務(wù)上均表現(xiàn)出穩(wěn)定改進，包括線性探測分類、同時支持短文本與長文本（英文及多語言）的零樣本圖像 — 文本檢索、零樣本與有監(jiān)督的圖像分割、目標(biāo)檢測，以及作為多模態(tài)大模型基準(zhǔn)中的分詞器使用。

論文 3：Model Change for Description Logic Concepts

• 作者：Ana Ozaki, Jandson S Ribeiro
• 機構(gòu)：奧斯陸大學(xué)、卡迪夫大學(xué)
• 論文鏈接：暫無

該論文雖已獲獎，但目前還未公開發(fā)布。

論文 4：Causal Structure Learning for Dynamical Systems with Theoretical Score Analysis

• 作者：Nicholas Tagliapietra, Katharina Ensinger, Christoph Zimmer, Osman Mian
• 機構(gòu)：博世 AI 中心團隊、德國達姆施塔特工業(yè)大學(xué)、德國醫(yī)學(xué) AI 研究所 IKIM 等
• 論文鏈接：https://arxiv.org/pdf/2512.14361

現(xiàn)實世界中的系統(tǒng)通常按照其內(nèi)在的因果關(guān)系在連續(xù)時間中演化，但這些動態(tài)機制往往是未知的。現(xiàn)有用于學(xué)習(xí)此類動態(tài)的方法通常存在兩類問題：要么對時間進行離散化處理，在面對不規(guī)則采樣數(shù)據(jù)時性能較差；要么忽略了系統(tǒng)背后的因果結(jié)構(gòu)。

為此，本文提出 CADYT，一種用于動力系統(tǒng)因果發(fā)現(xiàn)的新方法，可以同時解決上述兩大挑戰(zhàn)。不同于當(dāng)前主流將問題建模為離散時間動態(tài)貝葉斯網(wǎng)絡(luò)的因果發(fā)現(xiàn)方法，該研究建?；A(chǔ)是基于差分的因果模型，這種模型對連續(xù)時間系統(tǒng)的刻畫只需更弱的假設(shè)，更符合真實系統(tǒng)的連續(xù)演化特性。

CADYT 采用精確的高斯過程推斷來建模連續(xù)時間動力學(xué)，從而在建模層面更貼近系統(tǒng)的真實生成過程。在算法設(shè)計上，本文提出了一種可落地的實現(xiàn)方案：通過結(jié)合馬爾可夫條件與最小描述長度（MDL）原則，采用貪心搜索策略來識別系統(tǒng)的因果結(jié)構(gòu)。

CADYT 能夠從連續(xù)時間動力系統(tǒng)的軌跡數(shù)據(jù)中，發(fā)現(xiàn)未知的因果結(jié)構(gòu)。

實驗結(jié)果表明，無論是在規(guī)則采樣還是不規(guī)則采樣的數(shù)據(jù)場景下，CADYT 都顯著優(yōu)于現(xiàn)有的先進方法，能夠恢復(fù)出更接近真實底層動力學(xué)機制的因果網(wǎng)絡(luò)結(jié)構(gòu)。

論文 5：High-Pass Matters: Theoretical Insights and Sheaflet-Based Design for Hypergraph Neural Networks

這篇獲獎?wù)撐耐瑯舆€沒有放出論文鏈接，但從附錄論文中，我們獲悉了作者機構(gòu)信息。

• 作者：Ming Li, Yujie Fang, Dongrui Shen, Han Feng, Xiaosheng Zhuang, Kelin Xia, Pietro Lio
• 機構(gòu)：浙江師范大學(xué)、香港城市大學(xué)、南洋理工大學(xué)、劍橋大學(xué)
• 論文鏈接：暫無

參考鏈接：https://aaai.org/about-aaai/aaai-awards/aaai-conference-paper-awards-and-recognition/