2026年1月20日至1月27日，课题组25级博士生陈宇航作为代表前往新加坡博览中心（Singapore Expo）参加第40届AAAI人工智能大会（AAAI-26）。本次会议以“人工智能赋能全球创新”为主题，汇聚了来自全球顶尖高校、科研机构与企业的人工智能研究者，围绕机器学习、自然语言处理、计算机视觉、具身智能及交通智能等前沿领域展开深度交流。课题组成员在此次会议上以海报（Poster）形式展示了最新研究成果，并与多位国际知名学者进行了富有启发的学术对话。

一、会议概况：顶级平台与激烈竞争

第40届AAAI人工智能大会（AAAI Conference on Artificial Intelligence，简称AAAI）由人工智能促进协会（Association for the Advancement of Artificial Intelligence）主办，是人工智能领域历史最悠久、影响力最大的国际顶级学术会议之一。它被中国计算机学会（CCF）和中国人工智能学会（CAAI）评为A类会议，录用论文代表了全球AI研究的最高水准和前沿动态。

第40届AAAI会议在新加坡EXPO开幕

本届会议的竞争异常激烈，据官方统计，共收到来自全球的有效投稿23,680篇，创下历史新高。经过严格的同行评审，最终仅有4,167篇论文被录用，总体录用率仅为17.6%，这也是近三年来的最低值。这一数据不仅反映了AI领域的快速发展，也凸显了会议审稿标准的严苛性和学术成果的高质量要求。

会议主题涵盖了从基础理论到实际应用的广泛领域，特别是生成式AI、大语言模型（LLM）、计算机视觉、多模态学习以及AI伦理等热点话题，成为本次大会的焦点。为期一周的议程包含主题报告、特邀讲座、学术教程、口头报告及海报展示等多种形式，为与会者提供了多层次、高浓度的学术滋养。

二、专题洞察：人工智能与发展趋势

会议期间，课题组成员特别关注了几个特邀报告（Invited Talk）和学术教程（Tutorial program），这些专题不仅展示了AI领域的最新进展，也为课题组的研究提供了宝贵的启发。

1. 从“如何学习”到“学习什么”：多智能体与机器人学的前沿

德克萨斯大学奥斯汀分校的Peter Stone教授在题为《From How to Learn to What to Learn: Multiagent Systems and Robotics》的特邀报告中指出，当前机器学习领域在“如何学习”（算法与架构）上取得了巨大进展，但对于在动态不确定环境中运行的自主智能体而言，“学习什么”（识别关键概念与子问题）同样至关重要。他重点介绍了在强化学习框架内，尤其是在多智能体系统与机器人学应用中，如何让智能体自主识别并聚焦于应当学习的内容。这场报告为自动驾驶、交通仿真等需在复杂环境中决策的研究提供了重要的方法论启示。

课题组成员与Peter Stone教授进行学术交流与讨论

2. 大语言模型知识蒸馏的挑战与机遇

阿尔伯塔大学的Lili Mou教授在其教程《Knowledge Distillation for Language Models: Challenges and Opportunities with Sequential Data》中，详细阐述了知识蒸馏在语言模型中的应用，特别是针对序列数据的挑战和机遇。他介绍了知识蒸馏技术的核心原理，包括教师-学生模型框架，以及如何处理序列依赖性和噪声问题。这与课题组成员的论文研究主题高度契合，从中获得了关于蒸馏效率和泛化生成的新思路。Mou教授还与课题组成员讨论了实际挑战，如计算资源限制和数据隐私等问题，这促使课题组成员进一步反思交通仿真中类似问题的解决方案。

课题组成员与Lili Mou教授进行学术交流与讨论

3. 自动规划中的领域模型学习

课题组成员与Roni Stern教授进行学术交流与讨论

本·古里安大学的Roni Stern教授主持的教程《Domain Model Learning for Automated Planning》则聚焦于如何让AI系统自动学习规划所需的领域模型，从而减少对昂贵人工建模的依赖。Stern教授展示了如何使用神经网络来预测动作效果，这在具身智能和机器人规划中尤为实用。Stern教授的案例分析包括游戏AI和物流规划，展现了跨领域借鉴的潜力，并为课题组成员的未来工作提供了方法论指导。

三、学术展示：海报呈现与深度交流

课题组成员在本届AAAI会议的海报展示环节（Poster session）呈现了研究论文《Transferring Causal Driving Patterns for Generalizable Traffic Simulation with Diffusion-Based Distillation》。这篇论文聚焦于利用扩散模型和因果推理来转移驾驶模式，从而实现更泛化的交通仿真系统。在海报展示期间，课题组成员与来自全球的学者进行了深入交流。海报区人头攒动，大家手持咖啡或笔记，逐一浏览并提问。课题组的海报展示吸引了不少关注者，他们对论文中提出的扩散蒸馏方法如何捕捉因果驾驶模式并应用于仿真环境表现出浓厚兴趣。

课题组成员陈宇航在AAAI会议上进行海报展示

尤为值得一提的是，本次海报交流也为课题组提供了一个向国际学界展示自研平台的重要契机。课题组成员借此机会，向多位学者介绍了由课题组孙剑教授牵头构建的OnSite平台——一个专注于自动驾驶测试与训练的公共服务平台。该平台在国内已积累显著影响力，但在国际范围内的认知度仍有提升空间。通过面对面的交流，课题组成员系统阐述了OnSite的核心定位与发展脉络：平台最初着眼于解决“如何测试”自动驾驶系统的关键问题，提供了集仿真环境、数据评估与算法验证于一体的完整工具链；如今，平台正积极向“如何训练”的新范式拓展，通过整合端到端学习框架、训测一体以及多模态训练工具，致力于支持从数据驱动到策略优化的全流程自动驾驶研发。这一介绍引起了众多国外学者的浓厚兴趣，他们纷纷询问平台的访问途径与合作模式，为课题组带来了宝贵的国际交流与潜在合作机遇。

四、文化体验：多元文化与狮城魅力

除了学术活动，课题组成员在会议之余也抽时间体验了新加坡的当地文化与风情。新加坡作为东南亚的“花园城市”，以其多元文化、现代化建筑和高效的城市管理闻名于世。这座城市融合了马来、华人、印度和西方文化，形成独特的“狮城”魅力。会议举办地新加坡博览中心位于樟宜机场附近，交通便利，课题组成员利用晚间时间探索周边。首日抵达后，课题组成员漫步在滨海湾金沙酒店（Marina Bay Sands）附近，这座标志性建筑以其天际泳池和花园闻名，夜晚的灯光秀令人叹为观止。

新加坡独特的“狮城”魅力

新加坡人热情好客，课题组成员还参观了牛车水（Chinatown）和小印度（Little India）。牛车水保留了传统的华人建筑和庙宇，课题组成员在那里学到了几句简单的闽南语和马来语问候语。小印度则充满香料和色彩，寺庙的节日庆典让课题组成员感受到多元文化的和谐共处。会议最后一天，课题组成员和结识的几个学者一同前往圣淘沙岛（Sentosa），那里有环球影城和海滩，在夕阳下散步，讨论AI在娱乐行业的应用。这次文化交流不仅放松身心，也让课题组成员从另一个角度思考AI的全球化影响，例如如何设计文化敏感的AI系统。

回顾这次AAAI之旅，它不仅仅是一场学术会议，更是一次全面的成长经历。从投稿到录用，再到现场展示和交流，每一步都考验着研究者的坚持与创新。新加坡的现代化与多元文化为会议增添了独特魅力，让课题组成员对AI的未来充满期待。感谢课题组的支持，让成员有机会参与这一盛会。未来，课题组将把这些收获应用到研究中，推动交通仿真领域的进步。希望在课题组老师的指导下，能做出更有影响力的研究，在更大的平台上向全世界展示我们的工作，期待下次再见！