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(jiǎng)項(xiàng)，共有 5 篇論文獲獎(jiǎng)，其中有三篇由華人團(tuán)隊(duì)主導(dǎo)，作者來(lái)自香港科技大學(xué)（廣州）、西湖大學(xué)、浙江大學(xué)、同濟(jì)大學(xué)、浙江師范大學(xué)、香港城市大學(xué)等多所國(guó)內(nèi)高校。

AAAI 由國(guó)際人工智能促進(jìn)協(xié)會(huì)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(guó)際頂級(jí)學(xué)術(shù)會(huì)議之一，也是中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）推薦的 A 類國(guó)際學(xué)術(shù)會(huì)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(jiǎng)?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(jī)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(xiàng)目主頁(yè)：https://zionchow.github.io/ReconVLA/

近年來(lái)，視覺(jué) — 語(yǔ)言 — 動(dòng)作（VLA）模型的進(jìn)展，使機(jī)器人智能體能夠?qū)⒍嗄B(tài)理解與動(dòng)作執(zhí)行相結(jié)合。然而，實(shí)證分析發(fā)現(xiàn)，現(xiàn)有的 VLA 模型在將視覺(jué)注意力分配到目標(biāo)區(qū)域時(shí)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(jué)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(duì)齊范式的重建式 VLA 模型。

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

此外，作者構(gòu)建了一個(gè)大規(guī)模預(yù)訓(xùn)練數(shù)據(jù)集，包含來(lái)自開(kāi)源機(jī)器人數(shù)據(jù)集的十萬(wàn)余條軌跡和兩百萬(wàn)條數(shù)據(jù)樣本，進(jìn)一步提升了模型在視覺(jué)重建任務(wù)上的泛化能力。大量仿真與真實(shí)環(huán)境中的實(shí)驗(yàn)結(jié)果表明，論文提出的隱式對(duì)齊方法具備明顯優(yōu)勢(shì)，在精細(xì)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(jī)構(gòu)：同濟(jì)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(yè)：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(guò)在數(shù)十億規(guī)模的圖像 — 文本配對(duì)數(shù)據(jù)上進(jìn)行對(duì)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(qiáng)的語(yǔ)言理解能力與廣泛的世界知識(shí)來(lái)進(jìn)一步增強(qiáng) CLIP，尤其是在處理冗長(zhǎng)且結(jié)構(gòu)復(fù)雜的描述文本時(shí)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(chǎng)景的「嵌入化」形式，隨后通過(guò)一個(gè)輕量級(jí)適配器將其與預(yù)訓(xùn)練的 CLIP 視覺(jué)編碼器耦合，該適配器僅需在數(shù)百萬(wàn)規(guī)模的圖像 — 文本對(duì)上進(jìn)行訓(xùn)練。

借助這一策略，作者在無(wú)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(jìn)的 CLIP 變體，取得了顯著的性能提升。經(jīng) LLM 增強(qiáng)后的 CLIP 在多種下游任務(wù)上均表現(xiàn)出穩(wěn)定改進(jìn)，包括線性探測(cè)分類、同時(shí)支持短文本與長(zhǎng)文本（英文及多語(yǔ)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(cè)，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(jī)構(gòu)：奧斯陸大學(xué)、卡迪夫大學(xué)
• 論文鏈接：暫無(wú)

該論文雖已獲獎(jiǎng)，但目前還未公開(kāi)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(jī)構(gòu)：博世 AI 中心團(tuán)隊(duì)、德國(guó)達(dá)姆施塔特工業(yè)大學(xué)、德國(guó)醫(yī)學(xué) AI 研究所 IKIM 等
• 論文鏈接：https://arxiv.org/pdf/2512.14361

現(xiàn)實(shí)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(shí)間中演化，但這些動(dòng)態(tài)機(jī)制往往是未知的�，F(xiàn)有用于學(xué)習(xí)此類動(dòng)態(tài)的方法通常存在兩類問(wèn)題：要么對(duì)時(shí)間進(jìn)行離散化處理，在面對(duì)不規(guī)則采樣數(shù)據(jù)時(shí)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(dòng)力系統(tǒng)因果發(fā)現(xiàn)的新方法，可以同時(shí)解決上述兩大挑戰(zhàn)。不同于當(dāng)前主流將問(wèn)題建模為離散時(shí)間動(dòng)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(duì)連續(xù)時(shí)間系統(tǒng)的刻畫(huà)只需更弱的假設(shè)，更符合真實(shí)系統(tǒng)的連續(xù)演化特性。

CADYT 采用精確的高斯過(guò)程推斷來(lái)建模連續(xù)時(shí)間動(dòng)力學(xué)，從而在建模層面更貼近系統(tǒng)的真實(shí)生成過(guò)程。在算法設(shè)計(jì)上，本文提出了一種可落地的實(shí)現(xiàn)方案：通過(guò)結(jié)合馬爾可夫條件與最小描述長(zhǎng)度（MDL）原則，采用貪心搜索策略來(lái)識(shí)別系統(tǒng)的因果結(jié)構(gòu)。

CADYT 能夠從連續(xù)時(shí)間動(dòng)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(shí)驗(yàn)結(jié)果表明，無(wú)論是在規(guī)則采樣還是不規(guī)則采樣的數(shù)據(jù)場(chǎng)景下，CADYT 都顯著優(yōu)于現(xiàn)有的先進(jìn)方法，能夠恢復(fù)出更接近真實(shí)底層動(dòng)力學(xué)機(jī)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(jiǎng)?wù)撐耐瑯舆�沒(méi)有放出論文鏈接，但從附錄論文中，我們獲悉了作者機(jī)構(gòu)信息。

• 作者：Ming Li, Yujie Fang, Dongrui Shen, Han Feng, Xiaosheng Zhuang, Kelin Xia, Pietro Lio
• 機(jī)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(wú)

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