AAAI 2026论文录用结果正式揭晓：投稿量激增创新纪录，录用率下降竞争白热化

AAAI 2026的论文录用结果已经重磅发布！本届会议投稿数量急剧增长至23,680篇，录用率仅为17.6%，竞争激烈程度远超以往。一些成功获得录用的研究人员分享了他们的成绩单，其中有人甚至取得了88887的高分。

AAAI 2026的录用结果已经正式出炉！

近日，AAAI组委会陆续发出通知邮件，人工智能领域年度顶级会议的录用结果也随之公开。

邮件信息显示，AAAI 2026总共收到了23,680篇论文投稿，创造了历史新高，而AAAI 2025的有效投稿数量为12,957篇。

同时，有4,167篇论文被录用，录用率只有17.6%。作为对比，今年AAAI录用了3032篇论文，录用率为23.4%。

地址： https://papercopilot.com/statistics/aaai-statistics/aaai-2026-statistics/

作为人工智能领域公认的顶级会议之一，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人员，纷纷展示了自己的成绩单。

网友晒出成绩单

北京大学张铭教授课题组中，一位博五同学顾怿洋作为第一作者的论文被AAAI 2026录用，题目为「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类第一作者论文，前三篇分别被Artificial Intelligence、NeurIPS、ACM MM接收。

目前，许多数据标签存在被损坏、不完整或模糊的问题，这种带噪音的标签会严重影响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，这是一个将可验证监督与三元记忆模型相结合的新框架：包括情景记忆、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、校准和综合监督信号。

实验结果表明，CogniTrust能够从结构上验证监督信号，并为标签决策提供可解释的依据。

来自南洋理工大学的加小俊分享道，自己和团队在AAAI 2026上连续有五篇论文被录用，其中3篇为Poster，2篇为Oral。

这些论文分别聚焦于大模型隐私保护、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，打破了顺序通信的限制，将通信时长从84.6秒降低至14.2秒，并显著增强了抗后门鲁棒性。

SECURE：提出了一种微调安全约束方法，通过惩罚正交更新以保持模型在「狭窄安全盆地」内，减少了7.6%的有害行为、提升了3.4%的性能。

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，揭示了「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，也成功获得了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取得了88887的高分。

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。

另一篇，VLA-Adapter作为已经破圈的轻量级VLA基座，在GitHub上获得了1.6k个星。它仅需0.5B的小模型就在主流基准上（如CALVIN、LIBERO）达到了SOTA性能。两篇工作均完全开源。

清华大学的李凯和团队共有1篇Oral和2篇Poster被录用。

获得Oral的这篇论文，取得了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。

实验结果表明，DegVoC以3.89M和45.62GMACs/5s的显著更低开销，达到了目前GAN/DDPM/FM方法的SOTA性能。

另外两篇Poster分别是：

一篇提出了SepPrune，这是一个专为深度语音分离模型构建的结构化剪枝框架，引入了创新的「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表示，团队也有三篇论文（1篇Oral）被录用。

还有更多学者纷纷分享了被录用论文的结果。

2万篇论文激烈竞争，还有「关系户」现象？

在Reddit上，关于这一届AAAI的讨论热火朝天。

与以往不同，AAAI 2026论文总投稿量突破2万篇，打破了多年来的纪录。

在此之前，曾有网友透露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，并不是一个好消息。

地址：https://openaccept.org/c/ai/aaai/

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/