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，作者來自香港科技大學（廣州）、西湖大學、浙江大學、同濟大學、浙江師范大學、香港城市大學等多所國內(nèi)高校論文。
AAAI 由國際人工智能促進協(xié)會主辦，是人工智能領域歷史最悠久、涵蓋內(nèi)容最廣泛的國際頂級學術會議之一，也是中國計算機學會（CCF）推薦的 A 類國際學術會議，每年舉辦一屆論文。
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%論文。
以下是獲獎論文的具體情況論文。
論文 1論文：ReconVLA: Reconstructive Vision-Language-ActionModel as Effective Robot Perceiver
展開全文
作者論文：Wenxuan Song, Ziyang Zhou, Han Zhao, Jiayi Chen, Pengxiang Ding, Haodong Yan, Yuxin Huang, Feilong Tang, Donglin Wang, Haoang Li
機構論文：香港科技大學（廣州）、西湖大學、浙江大學、莫納什大學
論文鏈接論文：
項目主頁論文：
近年來，視覺 — 語言 — 動作（VLA）模型的進展，使機器人智能體能夠將多模態(tài)理解與動作執(zhí)行相結合論文。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)。
為引導視覺注意力在正確目標上的有效 grounding ，作者提出了 ReconVLA，一種采用隱式對齊范式的重建式 VLA 模型論文。
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)域正對應于被操作的目標物體論文。通過這一過程，VLA 模型被促使學習更加細粒度的表征，并能夠準確分配視覺注意力，從而更充分地利用任務相關的視覺信息，完成精確操作。
此外，作者構建了一個大規(guī)模預訓練數(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上的泛化能力論文。大量仿真與真實環(huán)境中的實驗結果表明，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論文：LLM2CLIP: Powerful Language Model Unlocks Richer Cross-Modality Representation
作者論文：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
機構論文：同濟大學、微軟、麥考瑞大學
論文鏈接論文：
論文主頁論文：
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)上進行對比學習，將圖像與文本映射到同一表示空間論文。
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構復雜的描述文本時的表現(xiàn)論文。為此，他們提出了一種高效的微調框架，將 LLM 嵌入到預訓練的 CLIP 中，而訓練成本幾乎與常規(guī)的 CLIP 微調相當。具體而言，該方法首先將 LLM 轉化為適配 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訓練的 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 — 文本對上進行訓練。
借助這一策略，作者在無需大規(guī)模重新訓練的前提下，相較于 EVA02、SigLIP-2 等當前最先進的 CLIP 變體，取得了顯著的性能提升論文。經(jīng) LLM 增強后的 CLIP 在多種下游任務上均表現(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、目標檢測，以及作為多模態(tài)大模型基準中的分詞器使用。
論文 3論文：Model Change for Description Logic Concepts
作者論文：Ana Ozaki, Jandson S Ribeiro
機構論文：奧斯陸大學、卡迪夫大學
論文鏈接論文：暫無
該論文雖已獲獎，但目前還未公開發(fā)布論文。
論文 4：Causal Structure Learning for Dynamical Systems with Theoretical Score Analysis
作者論文：Nicholas Tagliapietra, Katharina Ensinger, Christoph Zimmer, Osman Mian
機構論文：博世 AI 中心團隊、德國達姆施塔特工業(yè)大學、德國醫(yī)學 AI 研究所 IKIM 等
論文鏈接論文：
現(xiàn)實世界中的系統(tǒng)通常按照其內(nèi)在的因果關系在連續(xù)時間中演化，但這些動態(tài)機制往往是未知的論文?，F(xiàn)有用于學習此類動態(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)背后的因果結構。
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)論文。不同于當前主流將問題建模為離散時間動態(tài)貝葉斯網(wǎng)絡的因果發(fā)現(xiàn)方法，該研究建?；A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，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，從而在建模層面更貼近系統(tǒng)的真實生成過程論文。在算法設計上，本文提出了一種可落地的實現(xiàn)方案：通過結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)的因果結構。
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)未知的因果結構論文。
實驗結果表明，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，能夠恢復出更接近真實底層動力學機制的因果網(wǎng)絡結構論文。
論文 5論文：High-Pass Matters: Theoretical Insights and Sheaflet-Based Design for Hypergraph Neural Networks
這篇獲獎論文同樣還沒有放出論文鏈接，但從附錄論文中，我們獲悉了作者機構信息論文。
作者：Ming Li, Yujie Fang, Dongrui Shen, Han Feng, Xiaosheng Zhuang, Kelin Xia, Pietro Lio
機構論文：浙江師范大學、香港城市大學、南洋理工大學、劍橋大學
論文鏈接論文：暫無
參考鏈接論文：
