一、会议介绍

AAAI（AAAI Conference on Artificial Intelligence）是由国际人工智能促进协会主办的国际顶级学术会议，是人工智能领域中历史最悠久、涵盖内容最广泛的会议之一，被中国计算机学会（CCF）评为A类会议。人工智能促进协会成立于1979年，原名“美国人工智能协会”，并于2007年更名为人工智能促进协会（AAAI）。它在全球拥有超过6000名成员。汇集了全球最顶尖的人工智能领域专家学者，一直是人工智能界的研究风向标，在学术界久负盛名。

会议官网：https://aaai.org/conference/aaai/aaai-25/

二、 AAAI 2025录用情况

AAAI 2025于2025年2月25日至3月4日在美国宾夕法尼亚州费城举办，为期8天。本次会议共收到 12,957 篇有效投稿，其中3,032 篇被接收，录用率约为 23.4%。会议涵盖了多智能体优化、神经符号推理、不确定性决策、生物多样性计算等多个前沿方向，为学术界和工业界提供了广阔的交流平台。

与以往相比，本次会议的投稿量显著增加。但录用相较于其他顶级会议波动较大。回顾过去几年，2022年的录用率低至15%，处于较低水平。而近两年则呈现逐步上升的态势，并在今年达到了23.4%。这一趋势表明，AAAI在保持高标准评审的同时，也在适应投稿量的增长，为更多优秀的研究成果提供展示的机会。近年录取率详见表1。

表1 AAAI 近年录取情况

三、 热点分析

表2 AAAI 2025高频主题词

表 2和图 1基于AAAI 2025会议录用的3032篇论文标题数据，统计了高频主题词并生成了词云图。通过对于高频主题词的分析，当前对于AI研究的主要热点聚焦于以下几个方向，首先是生成式模型的持续突破，大语言模型（Large Language Models, LLMs）已从自然语言处理（NLP）扩展到多模态任务,如视觉-语言交互，推动了生成式AI的广泛应用。而扩散模型（Diffusion Models）因其在图像与视频生成中的高保真度，仍是生成技术的重要手段，但其研究重心已转向效率优化与跨模态适配，如文本到3D生成等。

在计算机视觉领域，目标检测（Object Detection）和语义分割（Semantic Segmentation）通过结合Transformer架构，进一步提升了复杂场景下的鲁棒性。点云配准（Point Cloud Registration）在自动驾驶领域的应用持续增长，同时与神经辐射场技术结合，推动了三维重建的精度提升。

强化学习（Reinforcement Learning）在具身智能和多智能体协作中广泛运用并取得新进展，而联邦学习（Federated Learning）因隐私保护需求成为分布式学习的标准范式之一。对比学习（Contrastive Learning）则与自监督学习结合，显著提升了小样本场景下的表征学习（Representation Learning）效果。

AI技术的快速发展正在深度渗透到各个垂直领域，例如医学图像处理在AAAI 2025中展现出了跨学科研究的潜力。异常检测（Anomaly Detection）和知识图谱（Knowledge Graph）则在金融风控与智能制造等领域中广泛应用。

图 1 AAAI 2025研究热点词云图 

四、杰出论文

AAAI 2025共有四篇论文获得了杰出论文奖，分别是南京大学周志华老师团队的《Efficient rectification of neuro-symbolic reasoning inconsistencies by abductive reflection》；多伦多大学的《Every Bit Helps: Achieving the Optimal Distortion with a Few Queries》；波尔多大学、巴黎大学、安特卫普大学合作的《Revelations: A decidable class of POMDPs with omega-regular objectives》以及斯坦福大学、弗莱堡大学等六个机构合作的《DiVShift: Exploring domain-specific distribution shift in volunteer-collected biodiversity datasets》（该论文获得了AI社会对齐方向的杰出论文奖）。以下是四篇杰出论文的详细信息。

1.Hu, W. C., Dai, W. Z., Jiang, Y., & Zhou, Z. H. (2024). Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection. arXiv preprint arXiv:2412.08457.

论文下载：https://arxiv.org/pdf/2412.08457

2.Ebadian, S., & Shah, N. (2025). Every bit helps: Achieving the optimal distortion with a few queries. In Proceedings of the 39th Annual AAAI Conference on Artificial Intelligence (AAAI).

论文下载：https://www.cs.toronto.edu/~nisarg/papers/value-queries.pdf

3.Belly, M., Fijalkow, N., Gimbert, H., Horn, F., PÊrez, G. A., & Vandenhove, P. (2024). Revelations: A Decidable Class of POMDPs with Omega-Regular Objectives. arXiv preprint arXiv:2412.12063.

论文下载：https://arxiv.org/pdf/2412.12063

代码下载：https://github.com/gaperez64/pomdps-reveal

4.Sierra, E., Gillespie, L. E., Soltani, S., Exposito-Alonso, M., & Kattenborn, T. (2024). DivShift: Exploring Domain-Specific Distribution Shift in Volunteer-Collected Biodiversity Datasets. arXiv preprint arXiv:2410.19816.

论文下载：https://arxiv.org/pdf/2410.19816

更多内容敬请关注本公众号