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

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、学生時代にサイバーエージェントのゼミ制度で始め、その後も継続していた研究の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（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が設置され発表者が不在の場合も多く、国内の学会との雰囲気の違いを感じました 🫠 とはいえ、参加者数自体が非常に多く、オーラルセッション / ポスターセッションともに大変賑わっていました。

レセプションパーティは会場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では約4,000件の論文が発表されました。 2024年から2026年までの変化を簡単に分析すると、以下のような傾向が見られました。

マルチモーダル化：multimodal

推論能力への注目：reasoning

Transformer などのデファクトスタンダード化：neural

評価の重視：benchmark

メインカンファレンスに採択された論文のタイトルにおける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、私が特に興味を持った論文をいくつか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

• 概要: LLM生成テキストの検出手法。
• 手法: スペクトル分析を採用。従来手法は表層的なテキストを入力としていたのに対し、本手法はトークンの確率分布を入力とする。これにより、人間のテキストの方がより高い「エネルギー」を示すことを利用。
• 結果: 従来のSOTA手法と比較して2倍高速。

LifeAlign: Lifelong Alignment for Large Language Models with Memory-Augmented Focalized Preference Optimization

• 概要: 長期的な運用を可能にするPreference Optimization手法として、FPO (Focalized Preference Optimization) を提案。
• 手法: 訓練対象モデルの信頼度スコアを算出し、信頼度が低いサンプルに対する損失を重くすることで、動的な訓練を実現。

ReconVLA: Reconstructive Vision-Language-Action Model as Effective Robot Perceiver

• 概要: VLA (Vision-Language-Action) モデルにおいて、目標とするオブジェクトに適切に注意（attention）が向かない問題を解決。
• 手法: 学習時に拡散モデルを用いた画像の領域再構成タスクを付加する。
• 結果: 成功率が大幅に向上（例: Stack blocks タスクで 59.3% → 79.5%）。未見タスクへの汎化性能も高い。

iMAD: Intelligent Multi-Agent Debate for Efficient and Accurate LLM Inference

• 概要: Single-Agentによる推論と、Multi-Agentによるディベート形式のどちらを採用するかを、より適切に選択する手法。
• 背景: 既存研究では、Single-Agentモデルの確信度に基づいてカスケード的に選択していたが、確信度が高くても誤るパターンが多かった。
• 手法: 確信度だけでなく、41の特徴量を扱う分類器を学習。
• 結果: 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の会場の様子や、いくつかの論文を紹介しました。 学生時代に自然言語処理の研究室に所属していた私にとって、人工知能の他分野の発表に触れることは非常に刺激的でした。 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推進してまいります。