AAAI 2026会议投稿与录用概况 - 会议总投稿量创历史新高，达到23,680篇，较AAAI 2025的12,957篇有大幅增长[3][41] - 录用论文数量为4,167篇，录用率为17.6%，低于AAAI 2025的23.4%录用率[4][45] - 投稿量激增导致竞争异常激烈，录用率为近三年来最低[43][45] 具身智能与多模态模型技术进展 - ReconVLA模型获得88887高分评级，通过引入“视觉token”引导重建“凝视区域”的辅助任务，隐式增强视觉-语言-动作模型的落地能力[24][25] - VLA-Adapter作为轻量级基座模型，参数量仅0.5B，训练显存需求为24.7GB，是基线模型的0.4倍，吞吐量达到219.2Hz，是基线模型的3倍，并在主流基准上达到SOTA性能[26][32] - EmoAgent作为首个多模态推理模型情感对抗框架，揭示“安全-推理悖论”，通过夸张情感提示劫持推理路径以暴露安全错位[22] - PhysPatch是针对自动驾驶的可物理实现对抗贴片框架，通过联合优化贴片参数与语义位置，在多种MLLM上具有高迁移性[22] 模型效率与优化技术 - DegVoC模型借鉴压缩感知思想，将vocoder建模成反退化问题，以3.89M参数量和45.62GMACs/5s的显著更低开销达到SOTA性能[28][29] - SepPrune框架为深度语音分离模型引入“可微分掩码策略”，通过梯度学习自动剔除冗余通道，剪枝后模型收敛速度比从零训练快36倍，仅需1个epoch微调即可恢复预训练模型85%的性能[30][31] - MPAS方法基于图消息传递，打破顺序通信限制，将多智能体系统通信时长从84.6秒降至14.2秒，并增强抗后门鲁棒性[18] 人工智能安全与对齐 - SECURE方法提出微调安全约束，通过惩罚正交更新将模型保持在“狭窄安全盆地”内，减少7.6%有害行为并提升3.4%性能[19] - GeoShield是首个面向VLM地理隐私防护的对抗框架，通过特征解耦、暴露识别和尺度自适应增强，有效阻止模型推测地理位置[20] - CogniTrust框架受人类记忆方式启发，将可验证监督与三元记忆模型相结合，从空间和语义角度验证、校准和综合监督信号[12][13] 基础模型应用与迁移 - FGNet框架将Segment Anything 2在海量自然图像中学到的先验知识高效迁移至EM神经元分割领域，在SAM2权重冻结时性能已媲美SOTA，微调后显著超越所有方案[34][35]

AAAI 2026录用结果重磅公布！这一届，投稿量暴增至23,680篇，录用率仅17.6%，竞争程度远超往年。一些成功上岸的研究员们晒出了录用成绩单，有 人甚至拿下了88887高分。 AAAI 2026录用结果出炉！ 这几天，AAAI组委会陆续发出邮件，AI圈年度顶会录用结果随之揭晓。 邮件显示，AAAI 2026共收到23,680份论文投稿，创历史新高，AAAI 2025一共收到12957篇有效投稿。 同时，4,167篇被录用，录用率仅为17.6%。作为对比，今年AAAI录用了3032篇论文，录用率23.4%。 一些收到录用邮件的研究员们，纷纷晒出了自己的成绩单。 网友晒出成绩单 北大张铭教授组中，一位博五同学顾怿洋作为一作的论文被AAAI 2026录用，题为「CogniTrust：基于认知记忆的可验证监督的鲁棒散列方法」。 今年，他已有4篇CCF-A一作论文，前三篇分别被Artificial Intelligence、NeurIPS、ACM MM接收。 地址： https://papercopilot.com/statistics/aaai-statistics/aaai-2026-statistics/ ...