新智元报道
编辑：桃子好困
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%。
地址： https://papercopilot.com/statistics/aaai-statistics/aaai-2026-statistics/
作为 AI 领域公认的顶会之一，AAAI 创办于 1980 年，每年举办一次。
今年，是 AAAI 第四十届年会，将于 2026 年 1 月 20 日-1 月 27 日在新加坡博览中心举办。
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。
如今，很多数据标签存在被损坏、不完整、模糊的问题，这种带噪音的标签严重会影响 AI 模型学习的可靠性。
团队受人类记忆方式的启发，提出了 CogniTrust，将可验证监督与三元记忆模型相结合的新框架：情景记忆、语义记忆和重构记忆。
这些组件共同构成了一个闭环机制，从空间和语义两个角度验证、校准和综合监督。
实验显示，CogniTrust 可从结构上验证监督信号的方式，并为标签决策提供了可解释的依据。
来自南洋理工加小俊分享了，自己和团队在 AAAI 2026 上连中五篇，其中 3 篇 Poster，2 篇 Oral。
分别聚焦大模型隐私保护、安全对齐、多模态安全、自动驾驶鲁棒性、多智能体安全通信等方向。
-
两篇 Oral 论文：
MPAS：基于图消息传递的并行多智能体系统，打破顺序通信限制，将通信时长从 84.6s 降至 14.2s，并显著增强抗后门鲁棒性。
SECURE：提出微调安全约束方法，惩罚正交更新以保持模型在「狭窄安全盆地」内，减少 7.6% 有害行为、提升 3.4% 性能。
-
三篇 Poster 论文：
GeoShield：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、尺度自适应增强，有效阻止模型推测地理位置，显著优于现有方法。
EmoAgent：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，暴露深层安全错位。
PhysPatch：面向自动驾驶的可物理实现对抗贴片框架，联合优化贴片参数与语义位置，在多种 MLLM 上具有高迁移性与真实部署价值。
来自香港科技大学（广州）的博士生宋文轩，也斩获了 2 篇 Oral 论文，均是关于 VLA（视觉-语言-动作）大模型的研究，其中一篇 ReconVLA 拿到了 88887 高分。
ReconVLA 提出了一种面向 VLA 视觉表征学习的新思路，通过引入「视觉 token」引导重建「凝视区域」的辅助任务，隐式增强了 VLA 落地的能力。
另外一篇，VLA-Adapter 作为已经破圈的轻量级 VLA 基座，在 GitHub 拿下 1.6k 个星。它仅需 0.5B 的小模型就在主流基准上（CALVIN、LIBERO）达到了 SOTA 性能。两篇工作均完全开源。
清华李凯和团队共有 1 篇 Oral 和 2 篇 Poster。
拿下 Oral 的这篇，拿下了 689 的高分（其中 9 分置信度为5），审稿人对此评价：
我很好奇，这个思路在我们领域居然一直没被探索过。
团队提出的 DegVoC 借鉴了「压缩感知」的思想，将 vocoder 建模成反退化问题，并利用迭代优化求解思想将其建模成初始化与深度先验正则。
结果实证，DegVoC 以 3.89M 和 45.62GMACs/5s 显著更低开销，达到目前 GAN/DDPM/FM 方法的 SOTA。
另外两篇 Poster 分别是：
一篇提出了 SepPrune，专为深度语音分离模型构建结构化剪枝框架引入创新的「可微分掩码策略」，让模型通过梯度学习自动剔除冗余通道。
剪枝后的模型收敛速度比从零开始训练快 36 倍。而且，仅需 1 个 epoch 的微调，模型就能恢复预训练模型高达 85% 的性能。
另一篇提出了一个 FGNet 框架，将视觉基础大模型 Segment Anything 2（SAM2）在海量自然图像中学习到的强大先验知识，高效迁移至 EM 神经元分割领域。
即便在 SAM2 权重完全冻结时，新方法的性能已媲美 SOTA。一经微调，更是显著超越所有方案。
来自蒙纳士大学的副教授 Hamid Rezatofighi 称，团队也有三篇论文（1 Oral）被录用。
还有更多学者纷纷分享了被录用论文的结果。
2 万篇论文厮杀，还有「关系户」？
在 Reddit 上，关于这一届 AAAI 讨论热火朝天。
不同以往，AAAI 2026 论文总投稿量冲破 2 万，打破了以往多年来的纪录。
在此之前，曾有网友爆出 AAAI 2026 收到了近 3 万篇投稿
根据 openaccept 统计，AAAI 2026 录用率是近三年来最低的一次。这对于投稿人来说，并不是一件好事。
地址：https://openaccept.org/c/ai/aaai/
有一位审稿人现身表示，今年 AAAI 竞争异常激烈，而且录取非常严格。很大程度上，是由于提交论文数量巨大。
在他负责评审的论文中，仅一篇获得 SPC 接收，而且是那种极具创新性的。
更离谱的是，还有那些刚提交 rebuttal 的作者，其他几个评审反手就把分数给调低了。
这架势，简直像是联合组团卡拒稿的。
另有作者表示，根据自己了解情况，总体得分大约在 5 分以上论文都有可能被录用。
还有人两篇论文都被 AC 拒绝了，但最终还是被顶会录用。一位拿下 76665 成绩的人，因数据集过时却被拒了。
在 AAAI 还未公布结果之前，一位审稿人亲历：我给的 3 分论文，竟被「关系户」抬到 8 分。
这次，我并没有投稿。但说实话，这是我经历过的最奇怪的审稿过程。
-
第二阶段的论文比第一阶段还差。
在第一阶段，他评审了四篇论文，给出的分数是3、4、5、5。
审稿人甚至愿意在讨论后提高分数，但它们最终全被拒了。现在第二阶段，自己评审的论文分数是 3 和4，但它们明显比第一阶段的论文要弱。
-
感觉像是有审稿人与某篇论文存在私人关系
审稿人给了一篇论文 3 分，因为它缺乏技术细节、论证依据，并且对规范不一致之处没有清晰解释。
他的审稿意见相当详细——长达数千字——而且在作者 rebuttal 后，又写了另一篇长篇回复。
与此同时，另一位审稿人最初给出了 7 分（置信度5），审稿意见非常简短，后来却试图为该论文辩护，并将分数提高到 8 分。
那位审稿人甚至写道：作者已经清楚地回应了大多数审稿人的关切。一些实验问题因监管要求未予解决。
但审稿人认为，自己从未提出任何实验问题，而且他提出的关切点实际上一个都没得到解决。
-
实际上，这篇论文展示的效果很能打，但实际上的重点不只是在秀性能。
正如网友所言，录用与否不取决于评分，而是由主席决定的。
参考资料：
https://openaccept.org/c/ai/aaai/
https://x.com/lyson_ober/status/1986939786163011775
https://papercopilot.com/statistics/aaai-statistics/aaai-2026-statistics/
