2026年1月22日，第40届 AAAI Conference on Artificial Intelligence（AAAI-26）在新加坡 EXPO 举办。实验室22级博士生兰天中参会并将汇报一篇论文。在主会议第一天的议程中，现场以大会开幕环节与报告交流拉开序幕：主会场大屏点亮“AAAI Conference”主题视觉，来自全球的参会者陆续入场，围绕前沿研究、产业实践与学术生态展开密集互动。根据大会发布的日程概览，主会议期间将穿插 Invited Talk、Poster Receptions/Demos、Technical Sessions等多类活动。
在首日大会环节中，一个格外鲜明的“前沿信号”来自大会自身的组织方式：主会介绍了两阶段评审流程，在第一阶段以多位人工评审为基础，引入大语言模型评审辅助，针对边界案例进行升级处理；在第二阶段进一步增加人工评审数量，并由资深委员综合给出推荐。这是大模型时代学术共同体对现实问题的直接回应。当投稿规模与研究分支不断膨胀，如何在更高吞吐下仍尽可能守住评审质量与一致性，成为会议治理与学术生态的一部分。
另一组投射在大屏上的数据把这种“全球同场”具象化：作者国家分布（Authors per Country）以地图与榜单形式呈现，显示中国作者数量位居前列，其后是美国、韩国、新加坡、英国等国家和地区。数据背后，是不同研究传统、产业生态与应用场景在同一会议框架下的汇聚，也正因此，走廊、分会场门口与展板之间常常出现临时小组讨论：有人追问实验设置，有人交换可复现代码线索，也有人在下一场报告开始前快速约定会后深入交流。临近春节，大会现场也出现了节庆元素：一场带有东方节庆气息的舞台表演成为会场间歇的亮点。学术会议的节奏通常紧凑而克制，但当鼓点与灯光融入开幕氛围，现场的情绪被短暂拉高，随即又迅速回到论文与问题本身，这恰恰像 AI 研究本身：热度之外，最终仍要落在可验证的结论与可持续的讨论上。
在海报交流区，最能感受到前沿内容的思维碰撞。实验室22级博士生兰天中展示的工作“GeoCoBox: Box-supervised 3D Tumor Segmentation via Geometric Co-embedding”张贴在海报墙上，引来参会者驻足。该研究瞄准医学影像中的真实痛点：三维肿瘤分割高度依赖像素级标注，成本高且难以规模化；而框（box）监督提供了更低门槛的弱监督信号。团队尝试通过几何共嵌入框架，将弱标注转化为可学习的结构约束，以更低标注成本获得更可靠的三维分割效果。现场讨论集中在弱监督信号的“约束强度”、不同数据分布下的泛化表现，以及方法在临床真实场景中的落地可行性等关键问题。
分会场口头报告同样体现了首日的“高密度交流”。来自四川大学的其他团队报告了研究成果——RoSE: A Role Correlation Structure-Enhanced Model for Multi-Event Argument Extraction，该成果聚焦多事件论元抽取的结构化建模难题开展研究，报告后的提问交流主要围绕结构设计的有效性、跨域数据上的稳定性，以及与现有抽取框架的差异与互补展开，现场互动直接、聚焦且富有建设性。
AAAI 主会议首日的关键词可以概括为两句话：一是“规模化”，从会场规模到作者分布，再到评审机制的演进；二是“落地感”，研究者在海报墙前把方法拆成可讨论的部件，在分会场把模型拆成可检验的假设。