AAAI-2026 参加報告：サイバーエージェント村田氏がシンガポールで開催された人工知能国際会議に参加し、採択論文を発表
サイバーエージェントの AI チーム所属・村田氏は、1 月 20 日から 27 日にシンガポールで開催された人工知能研究の国際会議「AAAI-2026」に参加しました。同氏は学生時代から継続していた論文が採択され、過去最多の投稿数があった本会議で研究成果を発表しました。
キーポイント
AAAI-2026はシンガポールで初開催され、論文投稿数23,680件・採択率17.6%と規模拡大を続けている
主要トレンドとしてマルチモーダル化・推論能力・Transformerデファクト化・評価重視が確認された
注目論文ではLLM生成テキスト検出・長期的モデル調整・ロボット知覚・マルチエージェント推論など実用化志向の研究が目立つ
影響分析・編集コメントを表示
影響分析
この記事はAI研究コミュニティの国際的な動向を現場レポートとして提供し、学術界から産業応用への移行期にある現在のAI開発トレンドを可視化している。特に採択論文の技術的傾向分析は、今後の研究開発の方向性を予測する上で貴重な示唆を与える。
編集コメント
AI研究の最前線を現場から伝える貴重なレポート。採択論文の技術トレンド分析が特に参考になる。
AAAI-2026 参加報告
こんにちは、AIチームの村田（@em_portero）です。 1月に AAAI-2026（The 40th Annual AAAI Conference on Artificial Intelligence）に参加してきました。 本記事はその参加報告となります。
AAAI（Annual AAAI Conference on Artificial Intelligence）は2026年大会で第40回を迎える人工知能全般の研究が発表される国際会議です。 今年は1月20日から1月27日までシンガポールで開催されました。北米以外での開催は初めてだったようです。
論文投稿数は過去最多の23,680件で、採択数は約4,000件でした（採択率：17.6%）。
私は、学生時代に始めてサイバーエージェントのゼミ制度で継続していた論文が採択されたため、今回参加しました (プレスリリース)。
会場はSingapore EXPOという空港からすぐ近くの（市街地からは遠い）コンベンションセンターでした。 ポスターセッションではポスターだけ設置して発表者が不在のこともかなり多く、国内会議との雰囲気の違いを感じました 🫠 とはいえ、そもそも参加者数もかなり多く、Oral / Poster ともにかなり賑わっていました。
レセプションパーティはExpoから離れた動物園で開催され、炊き出しのような雰囲気でした。
会場内ではロボットも歩いていました。
AAAI-2026では4,000件ほどの論文が発表されました。 簡単に2024年から2026年の変化を分析すると以下のような傾向が見えました。
マルチモーダル化：multimodal
推論能力への注目：reasoning
Transformer などのデファクト化：neural
評価の重視：benchmark
Main conference に採択された論文のタイトルから単語の出現割合を分析した結果を以下に示します。
ここでは私が気になった論文をピックアップして紹介します。
SpecDetect: Simple, Fast, and Training-Free Detection of LLM-Generated Text via Spectral Analysis
LLM生成テキストの検出
スペクトル分析を使用 従来は表面的なテキストを入力としていた
トークンの確率を入力とすると、人間のテキストの方がエネルギーが高い
一つ前の SOTA より2倍高速
LifeAlign: Lifelong Alignment for Large Language Models with Memory-Augmented Focalized Preference Optimization
長期的に運用可能な Preference Optimization のために、FPO (Focalized Preference Optimization) を提案
訓練対象 model の confidence score を算出し、自信のないものの損失を大きくすることで動的な訓練を実現
ReconVLA: Reconstructive Vision-Language-Action Model as Effective Robot Perceiver
VLA モデルにおいて、目標とすべきオブジェクトに attention が張られないことを解決
学習時に拡散モデルを使用し、画像の領域再構成タスクを課す
Success Rate が大幅に向上 Stack blocks タスクでは 59.3% → 79.5% に向上
Unseen タスクへの汎化性能も高い
iMAD: Intelligent Multi-Agent Debate for Efficient and Accurate LLM Inference
Single-Agent での推論か、Multi-Agent でのディベート形式かをよりよく選択する
既存研究：Single-Agent のモデルの確信度でカスケード的に選択 確信度は高いが、間違えるパターンが多い
確信度だけではなく、41 の特徴量をハンドリングし分類器を学習
トークン消費量と精度の両面でベースラインを上回る
本記事では、私が参加した AAAI-2026 の雰囲気や論文を紹介しました。 私は学生時代、自然言語処理の研究室に所属していたため、人工知能の他分野の発表を見ることは刺激的でした。 AI Shift では引き続き最新技術を取り入れたプロダクト開発を行っていきます。
原文を表示
こんにちは、AIチームの村田（@em_portero）です。 1月に AAAI-2026（The 40th Annual AAAI Conference on Artificial Intelligence）に参加してきました。 本記事はその参加報告となります。
AAAI（Annual AAAI Conference on Artificial Intelligence）は2026年大会で第40回を迎える人工知能全般の研究が発表される国際会議です。 今年は1月20日から1月27日までシンガポールで開催されました。北米以外での開催は初めてだったようです。
論文投稿数は過去最多の23,680件で、採択数は約4,000件でした（採択率：17.6%）。
私は、学生時代に始めてサイバーエージェントのゼミ制度で継続していた論文が採択されたため、今回参加しました (プレスリリース)。
会場はSingapore EXPOという空港からすぐ近くの（市街地からは遠い）コンベンションセンターでした。 ポスターセッションではポスターだけ設置して発表者が不在のこともかなり多く、国内会議との雰囲気の違いを感じました 🫠 とはいえ、そもそも参加者数もかなり多く、Oral / Poster ともにかなり賑わっていました。
レセプションパーティはExpoから離れた動物園で開催され、炊き出しのような雰囲気でした。
会場内ではロボットも歩いていました。
AAAI-2026では4,000件ほどの論文が発表されました。 簡単に2024年から2026年の変化を分析すると以下のような傾向が見えました。
マルチモーダル化：multimodal
推論能力への注目：reasoning
Transformer などのデファクト化：neural
評価の重視：benchmark
Main conference に採択された論文のタイトルから単語の出現割合を分析した結果を以下に示します。
ここでは私が気になった論文をピックアップして紹介します。
SpecDetect: Simple, Fast, and Training-Free Detection of LLM-Generated Text via Spectral Analysis
LLM-generated テキストの検出
スペクトル分析を使用 従来は表面的なテキストを入力としていた
トークンの確率を入力とすると、人間のテキストの方がエネルギーが高い
一つ前の SOTA より2倍高速
LifeAlign: Lifelong Alignment for Large Language Models with Memory-Augmented Focalized Preference Optimization
長期的に運用可能な Preference Optimization のために、FPO (Focalized Preference Optimization) を提案
訓練対象 model の confidence score を算出し、自信のないものの損失を大きくすることで動的な訓練を実現
ReconVLA: Reconstructive Vision-Language-Action Model as Effective Robot Perceiver
VLA モデルにおいて、目標とすべきオブジェクトに attention が張られないことを解決
学習時に拡散モデルを使用し、画像の領域再構成タスクを課す
Success Rate が大幅に向上 Stack blocks タスクでは 59.3% → 79.5% に向上
Unseen タスクへの汎化性能も高い
iMAD: Intelligent Multi-Agent Debate for Efficient and Accurate LLM Inference
Single-Agent での推論か、Multi-Agent でのディベート形式かをよりよく選択する
既存研究：Single-Agent のモデルの確信度でカスケード的に選択 確信度は高いが、間違えるパターンが多い
確信度だけではなく、41 の特徴量をハンドリングし分類器を学習
トークン消費量と精度の両面でベースラインを上回る
本記事では、私が参加した AAAI-2026 の雰囲気や論文を紹介しました。 私は学生時代、自然言語処理の研究室に所属していたため、人工知能の他分野の発表を見ることは刺激的でした。 AI Shift では引き続き最新技術を取り入れたプロダクト開発を行っていきます。
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み