AAAI 2026 主会议进入第二天，现场节奏明显加快：上午口头汇报厅内交流密集、提问不断；下午海报区更是人流涌动，几乎每一排展板前都能看到三五成群的讨论圈。有人举着手机拍下关键公式与对比图，有人一边指着海报一边追问实验细节，学术热量在走廊与会场之间持续传递。
今天上午，实验室22级博士生兰天中在分会场进行了论文口头汇报。报告围绕其工作 “GeoCoBox: Box-supervised 3D Tumor Segmentation via Geometric Co-embedding” 展开：在三维医学影像分割中，像素级标注成本高、难以规模化，而框标注（box）提供更可获得的弱监督信号。报告中通过清晰的结构与对比实验，展示了方法在边界刻画与形状一致性上的优势。报告后会场掌声热烈，并有多位听众连续提问，讨论点集中在弱监督约束、跨数据集泛化表现、以及方法落地到真实临床流程时的鲁棒性与可复现性等关键问题。会后，兰天中的报告得到了分会场主席徐衍玉和罗迪新的认可。
下午的海报区几乎进入高饱和状态：从远处望去，展板通道里人来人往，计算机视觉等研究方向的区域格外拥挤；近处看，很多交流并不是象征性围观，而是直接把问题进行深入探讨，包括数据设置、指标选择、消融结论、失败案例、以及能否开源等，往往三两句话就能把讨论推进到下一步怎么做。这种密集的面对面交流，是线上阅读论文最难替代的部分：在这里能看到对方停顿、追问、反驳与补充，也能在短时间内捕捉一个方向真正的争议点和突破口。
报告 “DiA-gnostic VLVAE: Disentangled Alignment-Constrained Vision-Language Variational Auto Encoder for Robust Radiology Reporting with Missing Modalities” 关注视觉-语言（Vision-Language）在放射学报告生成中的可靠性问题，尤其强调模态缺失时的稳健推理。这类工作反映出多模态研究正从拼接输入到对齐机制、可解释结构与鲁棒鲁棒性，这更贴近真实医疗场景的噪声与缺口。
报告 “Breaking Task Boundaries: A Unified Model for 3D Medical Image Fusion and Segmentation Guided by Manifold Perspective” 将3D 医学影像融合与分割放在统一框架中讨论，并引入流形视角来组织表示学习。这类统一任务边界的尝试，体现出今年对多任务、多模态协同的强烈需求：不仅要做对单一任务，还要在复杂链路中保持一致性与可迁移性。
从口头报告与海报区的高频话题来看，AAAI 今年的研究热点依然围绕多模态（尤其视觉-语言）、多智能体、域适应以及强化学习。期待实验室在这些主线课题不断产出新作品，把今天会场里最“火”的问题，变成下一篇更“硬”的答案。