AAAI-27：宽口径 AI 顶会，以及什么是 AAAI-shaped paper
AAAI 不是 KDD 那种以 data mining / knowledge discovery 为核心品味的会议， 而是更宽口径的综合 AI 顶会。它能接住因果智能、agent decision、runtime reliability 和 research-agent workflow，但论文必须被翻译成 AI 社群能判断的形态：清楚的问题、 足够新的贡献、站得住的证据、可复现路径，以及能扛住 Phase 1 快速淘汰的写作密度。
一句话判断
对 10 Paper Portfolio 来说，AAAI-27 的价值在于给因果智能、agent decision、 runtime reliability、research-agent workflow 这些方向一个更宽的 AI 入口。但更宽不等于更松。 AAAI-shaped paper 必须把内部想法翻译成 AI 研究问题，并且能承受 double-blind、 reproducibility checklist、AI-assisted review pilot 和强 novelty check 的压力。
AAAI 是什么
AAAI 是 Association for the Advancement of Artificial Intelligence。AAAI conference series 的目标是推动 AI 研究，并促进 AI 及其相关学科中研究者、实践者、科学家、学生和工程师之间的科学交流。 AAAI-27 是第 41 届 AAAI Conference on Artificial Intelligence，将在 2027-02-16 到 2027-02-23 于加拿大 Montréal 线下举行。
AAAI-27 的 track map
| Track | 核心问题 | 对 10 Paper Portfolio 的含义 |
|---|---|---|
| Main Track | 是否对 AI 社群有实质研究贡献 | 默认首选。P01/P02 这种因果、agent、reasoning 方向优先在这里找 area/topic。 |
| AI for Social Impact | 是否围绕有社会影响的应用问题，并有足够领域文献、评价和影响论证 | 不默认选。只有当论文真的绑定公共利益应用、领域数据和影响评价时才考虑。 |
| AI Alignment | 是否直接研究 oversight、robustness、red-teaming、interpretability、safe engineering 或 governance | P04 或 agent reliability 方向可以考虑，但必须把 alignment / oversight / robustness 作为核心 claim。 |
和我们最相关的 Main Track 入口包括 KRR、ML、MAS、HAI、PEAI、DMKM 和 APP。 例如 KRR 下有 causal reasoning，MAS 下有 LLM-based agents 和 multi-agent coordination， ML 下有 causal learning、evaluation / benchmarking、reasoning & test-time compute。
关键日期
| Author registration opens | 2026-06-17，OpenReview author registration 已开放 |
|---|---|
| Paper submission opens | 2026-06-30，OpenReview paper submission 已开放 |
| Abstract deadline | 2026-07-21 23:59 UTC-12 = 2026-07-22 19:59 CST |
| Full paper deadline | 2026-07-28 23:59 UTC-12 = 2026-07-29 19:59 CST |
| Supplement / code | 2026-07-31 23:59 UTC-12 = 2026-08-01 19:59 CST |
| Phase 1 rejection | 2026-09-24 |
| Author feedback | 2026-10-19 到 2026-10-25 |
| Final notification | 2026-11-30 |
| Conference | 2027-02-16 到 2027-02-23，Montréal, Canada |
投稿格式和流程硬约束
| 投稿系统 | OpenReview；作者需要提前注册，并跨投稿和审稿任务使用同一个 OpenReview account / email。 |
|---|---|
| 作者义务 | 所有合格作者预计加入 reviewer pool，除非有特殊情况。 |
| Abstract | 必须提交完整 title 和 abstract；placeholder 会被删除，且不能继续提交 full paper。 |
| 匿名性 | Double-blind。首页不能出现作者姓名、单位或 acknowledgments；引用自己相关工作要遵守匿名规则。 |
| 格式 | AAAI two-column camera-ready style，US Letter，Type 1 或 TrueType fonts；review 阶段提交 PDF。 |
| 页数 | 最多 7 页 technical content；额外页只用于 references 和 reproducibility checklist。 |
| 作者数限制 | 每位作者最多 10 篇 AAAI-27 technical track 投稿；提交后不能再加作者。 |
| 并行投稿 | 不允许同时投其他 archival conference / journal；arXiv、workshop、非正式 preprint 可以，但要遵守匿名审稿。 |
| Reproducibility | 必须提交 checklist；必要的代码、数据、证明、实验细节应在 submission 时提供，不能用“接收后再放出”当复现证据。 |
Review process：为什么 Phase 1 很重要
AAAI-27 使用 two-phase reviewing。Phase 1 每篇 paper 分配 3 个 reviewer； 如果评价足够负面，paper 会直接拒稿，没有 author feedback 机会。进入 Phase 2 的 paper 会收到额外 reviewer，最多到 5 个 reviews；只有 Phase 2 paper 才有 author feedback window。
AAAI-27 还继续 AI-Assisted Peer Review Pilot。人类 reviewer 和 committee 做决定， AI-generated reviews / summaries 只提供 supplementary information，不承担正式决策角色。 但这仍然改变写作压力：核心问题、贡献、评价、限制和复现路径必须对人类 reviewer 和 AI-generated summary 都清楚。
AAAI 的 review criteria
贡献是否重要且足够新
不是“我们有一个想法”，而是 research problem、method、experiment 或 analysis 有实质贡献。
claim 是否站得住
理论、实验、benchmark、case study 或系统评价至少有一种证据是硬的。
是否是 AI community 需要的论文
AAAI 偏好能打开新方向、提出新问题或跨越单一子领域的方法，而不是很窄的 incremental SOTA。
什么是 AAAI-shaped paper
- AI problem gate： 问题必须能被 AI reviewer 识别，而不是 WeHub 内部 workflow。
- Area fit gate： 主 area/topic 要自然；如果需要硬贴多个 topic 才成立，说明核心 contribution 不清楚。
- Novelty gate： 最近相关工作必须清楚；不能把“我们自己的说法更好”当 novelty。
- Evidence gate： 理论、实验、benchmark、case study 或系统评价至少有一种是硬的。
- Generalization gate： 贡献要能离开当前内部项目，被其他 AI researcher 使用、批评或复现。
- Review survival gate： Phase 1 reviewer 即使只读 abstract、intro、experiments 和 limitations，也能看懂为什么该进 Phase 2。
对我们几个候选的判断
P01 · 基于观测数据进行因果建模的现状和思考
当前最自然的 AAAI review / survey wedge 之一。它把 observational causal modeling、 HTE/CATE/ITE、LDTE、CRL sanity、dynamics 和 mechanism-shift pressure 组织成 question-first review，而不是方法清单。
主要风险： 如果只是“观测因果建模综述”，AAAI reviewer 会觉得太宽；必须让 heterogeneity-as-primitive 改变 paper structure。
P02 · Causal Mind Decision Delta
AAAI 可能比 KDD 更适合这条线。它可以走 HAI / MAS / PEAI / CMS： causal decision protocol 是否改变 agent / human-AI decision 的质量、可解释性和后续结果。
主要风险： 容易变成哲学化或内部叙事。必须把“心智变化”压成可评价的 AI decision problem。
P04 · ProviderHealth Probe Semantics
AAAI 能接住它，但需要明确 AI relevance。可行 framing 是 MAS / PEAI / AI Alignment： agent runtime health probe 的 failure-class semantics 是否能提升 autonomous agents 的 robustness、 oversight 和 safe degradation。
主要风险： 如果写成基础设施总结，AAAI main track 会觉得不是 AI research。
P08 · Paper Production State Machine
最难，但也可能最有 portfolio 原生价值。可行 framing 是 research agents / human-AI scientific workflow / AI evaluation：如何把 AI-generated research ideas 转成可审计、可杀、可推进的 state machine。
主要风险： reviewer 很容易把它视为 project management 或产品介绍。除非有足够横跨候选的系统性 evidence，不建议作为第一篇 AAAI。
和 KDD 的取舍
如果第一篇要服务因果智能主线，AAAI 比 KDD 更适合 P01/P02。原因很直接： AAAI 对 KRR、causal reasoning、agents、human-AI decision、AI evaluation 的容纳度更宽； KDD 则会持续追问 data mining / knowledge discovery 的核心贡献。
进入 Overleaf 前的 AAAI gate
- 一句话 AAAI claim： 这篇 paper 对 AI community 的贡献是什么？
- Primary area/topic： 主 area 是 KRR、ML、MAS、HAI、PEAI 还是别的？为什么？
- Three closest opponents： 最近三篇强相关工作是什么？我们多了什么？
- Phase 1 objection： reviewer 最可能为什么在 Phase 1 拒它？
- Evidence plan： 7 页正文里最硬的表、图、实验或 theorem 是什么？
- Repro plan： 代码、数据、prompt、annotation、proof 或 case schema 哪些能在 submission 时交付？
- Blindness plan： 是否会因为 public website、repo、Discord trace、内部项目名暴露作者身份？
- Ethics / responsible AI： 是否涉及 human data、sensitive data、bias、privacy、LLM-generated content 或 dual-use 风险？