AAAI-2026 参加報告

はじめに

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。

AAAI2026

学会概要

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)。

学会の雰囲気

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。

論文

傾向分析

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, vision, multi が全期間で増加傾向。
• 推論能力への注目：reasoning が2024→2026で+0.50%, 2025→2026で+0.44%と急激に増加。agent も増加傾向。
• Transformer などのデファクト化：neural, deep, networks, transformer が減少。
• 評価の重視：benchmark, benchmarking が増加。モデルの性能が成熟し始めているか。

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。

年別のWord Clouds

出現割合増減詳細

2024年→2025年で増加した単語

単語	件数(2024)	件数(2025)	増減(件数)	比率(2024)	比率(2025)	増減(比率)
models	183	386	203	0.76%	1.27%	0.51%
language	165	342	177	0.69%	1.12%	0.44%
large	101	257	156	0.42%	0.84%	0.42%
llm	13	91	78	0.05%	0.30%	0.24%
multimodal	53	124	71	0.22%	0.41%	0.19%
multi	289	415	126	1.20%	1.36%	0.16%
efficient	95	168	73	0.40%	0.55%	0.16%
llms	14	61	47	0.06%	0.20%	0.14%
model	169	254	85	0.70%	0.83%	0.13%
mamba	0	38	38	0.00%	0.12%	0.12%
diffusion	129	200	71	0.54%	0.66%	0.12%
alignment	40	86	46	0.17%	0.28%	0.12%
generation	104	167	63	0.43%	0.55%	0.12%
framework	81	134	53	0.34%	0.44%	0.10%
ai	52	97	45	0.22%	0.32%	0.10%
enhancing	46	89	43	0.19%	0.29%	0.10%
medical	15	47	32	0.06%	0.15%	0.09%
semantic	65	109	44	0.27%	0.36%	0.09%
free	38	72	34	0.16%	0.24%	0.08%
adaptive	77	121	44	0.32%	0.40%	0.08%
recommendation	34	66	32	0.14%	0.22%	0.08%
state	9	34	25	0.04%	0.11%	0.07%
forecasting	20	47	27	0.08%	0.15%	0.07%
view	69	109	40	0.29%	0.36%	0.07%
level	41	73	32	0.17%	0.24%	0.07%
splatting	0	21	21	0.00%	0.07%	0.07%
scalable	10	33	23	0.04%	0.11%	0.07%
training	63	100	37	0.26%	0.33%	0.07%
mixture	7	28	21	0.03%	0.09%	0.06%
series	34	62	28	0.14%	0.20%	0.06%

2025年→2026年で増加した単語

単語	件数(2025)	件数(2026)	増減(件数)	比率(2025)	比率(2026)	増減(比率)
reasoning	86	344	258	0.28%	0.72%	0.44%
aware	144	420	276	0.47%	0.88%	0.41%
guided	101	302	201	0.33%	0.63%	0.30%
framework	134	304	170	0.44%	0.64%	0.20%
vision	92	231	139	0.30%	0.48%	0.18%
llm	91	213	122	0.30%	0.45%	0.15%
agent	68	176	108	0.22%	0.37%	0.15%
optimization	88	207	119	0.29%	0.43%	0.14%
unified	30	115	85	0.10%	0.24%	0.14%
multimodal	124	257	133	0.41%	0.54%	0.13%
generation	167	323	156	0.55%	0.68%	0.13%
dual	51	140	89	0.17%	0.29%	0.13%
robust	89	197	108	0.29%	0.41%	0.12%
beyond	22	92	70	0.07%	0.19%	0.12%
llms	61	153	92	0.20%	0.32%	0.12%
reinforcement	90	197	107	0.30%	0.41%	0.12%
end	7	62	55	0.02%	0.13%	0.11%
multi	415	701	286	1.36%	1.47%	0.11%
fusion	48	125	77	0.16%	0.26%	0.10%
benchmark	40	111	71	0.13%	0.23%	0.10%
hierarchical	51	128	77	0.17%	0.27%	0.10%
gaussian	36	104	68	0.12%	0.22%	0.10%
retrieval	74	162	88	0.24%	0.34%	0.10%
dynamic	82	173	91	0.27%	0.36%	0.09%
augmented	31	92	61	0.10%	0.19%	0.09%
experts	22	75	53	0.07%	0.16%	0.08%
benchmarking	5	48	43	0.02%	0.10%	0.08%
manipulation	16	61	45	0.05%	0.13%	0.08%
clustering	45	105	60	0.15%	0.22%	0.07%
policy	31	83	52	0.10%	0.17%	0.07%

2024年→2026年で増加した単語

単語	件数(2024)	件数(2026)	増減(件数)	比率(2024)	比率(2026)	増減(比率)
reasoning	53	344	291	0.22%	0.72%	0.50%
language	165	524	359	0.69%	1.10%	0.41%
llm	13	213	200	0.05%	0.45%	0.39%
aware	121	420	299	0.50%	0.88%	0.38%
guided	75	302	227	0.31%	0.63%	0.32%
multimodal	53	257	204	0.22%	0.54%	0.32%
framework	81	304	223	0.34%	0.64%	0.30%
models	183	501	318	0.76%	1.05%	0.29%
large	101	332	231	0.42%	0.70%	0.28%
multi	289	701	412	1.20%	1.47%	0.27%
llms	14	153	139	0.06%	0.32%	0.26%
generation	104	323	219	0.43%	0.68%	0.24%
vision	59	231	172	0.25%	0.48%	0.24%
agent	42	176	134	0.17%	0.37%	0.19%
alignment	40	167	127	0.17%	0.35%	0.18%
efficient	95	271	176	0.40%	0.57%	0.17%
dual	30	140	110	0.12%	0.29%	0.17%
gaussian	15	104	89	0.06%	0.22%	0.16%
benchmark	19	111	92	0.08%	0.23%	0.15%
retrieval	45	162	117	0.19%	0.34%	0.15%
hierarchical	30	128	98	0.12%	0.27%	0.14%
adaptive	77	221	144	0.32%	0.46%	0.14%
unified	24	115	91	0.10%	0.24%	0.14%
splatting	0	66	66	0.00%	0.14%	0.14%
experts	6	75	69	0.02%	0.16%	0.13%
augmented	17	92	75	0.07%	0.19%	0.12%
mixture	7	72	65	0.03%	0.15%	0.12%
optimization	77	207	130	0.32%	0.43%	0.11%
free	38	128	90	0.16%	0.27%	0.11%
semantic	65	181	116	0.27%	0.38%	0.11%

2024年→2025年で減少した単語

単語	件数(2024)	件数(2025)	増減(件数)	比率(2024)	比率(2025)	増減(比率)
learning	731	686	-45	3.04%	2.25%	-0.79%
abstract	156	89	-67	0.65%	0.29%	-0.36%
student	132	95	-37	0.55%	0.31%	-0.24%
neural	186	166	-20	0.77%	0.54%	-0.23%
transformer	102	64	-38	0.42%	0.21%	-0.21%
reinforcement	114	90	-24	0.47%	0.30%	-0.18%
deep	94	75	-19	0.39%	0.25%	-0.14%
networks	111	100	-11	0.46%	0.33%	-0.13%
domain	113	108	-5	0.47%	0.35%	-0.12%
reprint	25	0	-25	0.10%	0.00%	-0.10%
end	30	7	-23	0.12%	0.02%	-0.10%
estimation	62	48	-14	0.26%	0.16%	-0.10%
classification	76	69	-7	0.32%	0.23%	-0.09%
causal	48	34	-14	0.20%	0.11%	-0.09%
supervised	94	93	-1	0.39%	0.31%	-0.09%
set	33	17	-16	0.14%	0.06%	-0.08%
sampling	31	16	-15	0.13%	0.05%	-0.08%
distillation	57	49	-8	0.24%	0.16%	-0.08%
contrastive	80	81	1	0.33%	0.27%	-0.07%
shot	87	90	3	0.36%	0.30%	-0.07%
resolution	43	35	-8	0.18%	0.11%	-0.06%
explanations	24	11	-13	0.10%	0.04%	-0.06%
adversarial	67	66	-1	0.28%	0.22%	-0.06%
robustness	37	28	-9	0.15%	0.09%	-0.06%
identification	36	27	-9	0.15%	0.09%	-0.06%
study	24	12	-12	0.10%	0.04%	-0.06%
network	111	123	12	0.46%	0.40%	-0.06%
radiance	21	9	-12	0.09%	0.03%	-0.06%
graph	208	246	38	0.86%	0.81%	-0.06%
few	54	51	-3	0.22%	0.17%	-0.06%

2025年→2026年で減少した単語

単語	件数(2025)	件数(2026)	増減(件数)	比率(2025)	比率(2026)	増減(比率)
learning	686	908	222	2.25%	1.90%	-0.35%
student	95	2	-93	0.31%	0.00%	-0.31%
abstract	89	4	-85	0.29%	0.01%	-0.28%
ai	97	46	-51	0.32%	0.10%	-0.22%
models	386	501	115	1.27%	1.05%	-0.22%
neural	166	188	22	0.54%	0.39%	-0.15%
large	257	332	75	0.84%	0.70%	-0.15%
detection	218	279	61	0.72%	0.58%	-0.13%
model	254	337	83	0.83%	0.71%	-0.13%
text	127	143	16	0.42%	0.30%	-0.12%
diffusion	200	260	60	0.66%	0.54%	-0.11%
graph	246	334	88	0.81%	0.70%	-0.11%
federated	99	104	5	0.32%	0.22%	-0.11%
data	157	195	38	0.52%	0.41%	-0.11%
label	76	69	-7	0.25%	0.14%	-0.10%
networks	100	107	7	0.33%	0.22%	-0.10%
segmentation	113	129	16	0.37%	0.27%	-0.10%
supervised	93	100	7	0.31%	0.21%	-0.10%
network	123	147	24	0.40%	0.31%	-0.10%
image	248	343	95	0.81%	0.72%	-0.10%
deep	75	72	-3	0.25%	0.15%	-0.10%
class	49	37	-12	0.16%	0.08%	-0.08%
classification	69	69	0	0.23%	0.14%	-0.08%
enhancing	89	102	13	0.29%	0.21%	-0.08%
machine	41	27	-14	0.13%	0.06%	-0.08%
shot	90	104	14	0.30%	0.22%	-0.08%
contrastive	81	90	9	0.27%	0.19%	-0.08%
temporal	101	122	21	0.33%	0.26%	-0.08%
representation	97	116	19	0.32%	0.24%	-0.08%
approach	66	68	2	0.22%	0.14%	-0.07%

2024年→2026年で減少した単語

単語	件数(2024)	件数(2026)	増減(件数)	比率(2024)	比率(2026)	増減(比率)
learning	731	908	177	3.04%	1.90%	-1.14%
abstract	156	4	-152	0.65%	0.01%	-0.64%
student	132	2	-130	0.55%	0.00%	-0.54%
neural	186	188	2	0.77%	0.39%	-0.38%
transformer	102	87	-15	0.42%	0.18%	-0.24%
deep	94	72	-22	0.39%	0.15%	-0.24%
networks	111	107	-4	0.46%	0.22%	-0.24%
supervised	94	100	6	0.39%	0.21%	-0.18%
domain	113	142	29	0.47%	0.30%	-0.17%
classification	76	69	-7	0.32%	0.14%	-0.17%
graph	208	334	126	0.86%	0.70%	-0.17%
text	111	143	32	0.46%	0.30%	-0.16%
network	111	147	36	0.46%	0.31%	-0.15%
data	135	195	60	0.56%	0.41%	-0.15%
contrastive	80	90	10	0.33%	0.19%	-0.14%
shot	87	104	17	0.36%	0.22%	-0.14%
label	66	69	3	0.27%	0.14%	-0.13%
adversarial	67	74	7	0.28%	0.15%	-0.12%
ai	52	46	-6	0.22%	0.10%	-0.12%
few	54	50	-4	0.22%	0.10%	-0.12%
image	201	343	142	0.84%	0.72%	-0.12%
recognition	70	83	13	0.29%	0.17%	-0.12%
feature	65	78	13	0.27%	0.16%	-0.11%
representation	84	116	32	0.35%	0.24%	-0.11%
reprint	25	0	-25	0.10%	0.00%	-0.10%
robustness	37	25	-12	0.15%	0.05%	-0.10%
decision	37	27	-10	0.15%	0.06%	-0.10%
detection	163	279	116	0.68%	0.58%	-0.09%
estimation	62	81	19	0.26%	0.17%	-0.09%
set	33	25	-8	0.14%	0.05%	-0.08%

ピックアップ

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
• SOTA を達成
• 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

おわりに

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。