近日，我实验3篇论文被第40届人工智能年度大会AAAI 2026录用。AAAI The 40th Annual AAAI Conference on Artificial Intelligence是人工智能方向的顶级学术会议，被中国计算机学会（CCF）评为A类会议。会议将于2026年01月20日至27日在新加坡举行。AAAI 2026共收到23680篇有效投稿，接收4167篇论文，录用率为17.6%。

录用论文的信息如下：

1. PLaST: Towards Paralinguistic-aware Speech Translation

作者：Yi Li, Rui Zhao, Ruiquan Zhang, Jinsong Su, Daimeng Wei, Min Zhang, Yidong Chen*

完成单位：厦门大学、华为研究院

论文介绍：

语音翻译（Speech Translation, ST）旨在将源语言语音直接翻译为目标语言文本。然而，语音信号中除语言内容外，还包含语气、情感、强调等副语言线索（paralinguistic cues），这些信息可能显著影响甚至改变语义解读，从而导致不同的翻译结果。现有ST模型普遍缺乏对副语言信息的直接且充分建模，难以全面感知语音中的语用细微差别，限制了翻译性能的进一步提升。为此，本文提出了一种副语言感知的语音翻译框架（ParaLinguistic-aware Speech Translation, PLaST），通过双分支结构显式分离并融合语言与副语言信息。具体而言，PLaST利用语音编码器与风格提取器分别生成语言表征和副语言表征；为进一步获得与文本对齐的纯净语言表征，引入分层最优传输（Hierarchical Optimal Transport）机制对大语言模型解码器的层间输出进行约束；随后，设计基于注意力的检索模块（Attention-based Retrieval, AR），以语言表征为查询，动态检索并精炼副语言信息，实现语义理解与翻译生成的联合引导。在副语言敏感基准ContraProST上的实验表明，PLaST显著优于现有强基线方法；同时在标准语音翻译数据集CoVoST-2上也展现出良好的泛化能力，验证了该方法的有效性与实用性。

2. RFI: Rectified Flow Intervention for Mitigating Object Hallucination in Large Vision-Language Models

作者：Junyu Cheng, Zhibiao Liang, Yidong Chen*, Shuangyin Li*

完成单位：厦门大学，华南师范大学

论文介绍：

大型视觉语言模型（Large Vision-Language Models, LVLMs）通过融合视觉与文本信息，在多模态理解与生成任务中展现出卓越的能力。然而，这类模型常常出现物体幻觉（object hallucination）问题，即生成的内容与输入图像不一致。现有缓解幻觉的方法主要存在两类局限：一方面，基于 logits 或注意力机制的动态方法容易过度抑制有价值的语言先验；另一方面，采用固定干预向量的静态方法缺乏对不同图像与问题的自适应能力。为了解决上述问题，我们提出了一种新方法——RFI（Rectified Flow Intervention）。RFI 利用校正流（rectified flow）的线性轨迹设计实现输入特定的自适应干预，并通过梯度校正（gradient correction）确保生成过程的一致性，从而有效结合了动态方法的自适应性与静态方法的稳定性。RFI 能够在仅需对每个问题进行一次前向传播的情况下，动态预测潜空间中的干预向量，从而兼顾计算效率（生成100个新 token 的延迟开销仅为1.09倍）。大量实验结果表明，RFI 在显著降低幻觉现象的同时，较现有先进方法取得更优性能，充分展示了其作为一种轻量级、即插即用的 LVLM 幻觉抑制方案在实际应用中的有效性。