基本信息
仓库大小与活跃度
贡献统计
其他指标
GitHub Actions
应用
进度状态
主分支

---

AAAI 2024 论文：探索在AAAI 2024上发表的创新研究论文的全面集合，这是人工智能领域最顶尖的会议之一。无缝集成代码实现，帮助您更好地理解。⭐ 通过这个仓库，体验人工智能领域的前沿进展！

---

[!TIP] AAAI 2024 大会程序的 PDF 版本，包含主赛道所有被接受的完整论文的综合列表。

---

其他顶级 AI 会议的精选合集

[!important] 会议表格将始终保持最新更新。

会议	年份
	2023	2024
计算机视觉（CV）
CVPR
ICCV
ECCV
WACV	:heavy_minus_sign:
FG	:heavy_minus_sign:
语音/信号处理（SP/SigProc）
ICASSP
INTERSPEECH
ISMIR		:heavy_minus_sign:
自然语言处理（NLP）
EMNLP
机器学习（ML）
AAAI	:heavy_minus_sign:
ICLR	:heavy_minus_sign:
ICML	:heavy_minus_sign:
NeurIPS	:heavy_minus_sign:

---

贡献者

[!注意] 非常欢迎各位为完善这份列表贡献力量。如果您发现了任何遗漏的论文，请随时创建拉取请求、提交问题，或通过电子邮件与我联系。您的参与将极大地帮助我们进一步提升本仓库的质量。

---

论文

[!重要提示] 正在按类别对论文进行排序中。

板块	论文
主会场
应用领域
认知建模与认知系统
计算机视觉
约束满足与优化
数据挖掘与知识管理		即将添加
博弈论与经济范式
人类与人工智能
智能机器人
知识表示与推理		即将添加
机器学习
多智能体系统
自然语言处理
人工智能哲学与伦理
规划、路由与调度
不确定性下的推理
安全、鲁棒与负责任的人工智能

[!重要] 一旦会议论文集发布，论文将按类别排序。

板块	论文
主篇
1-200篇论文
201-400篇论文
401-600篇论文
601-800篇论文
801-1000篇论文
1001-1200篇论文
1201-1400篇论文
1401-1600篇论文	即将整理
1601-1800篇论文
1801-2000篇论文
2001-2200篇论文
2201-2246篇论文

---

关键术语

将 soon 添加

---

星标历史

AAAI-2024-Papers 快速上手指南

AAAI-2024-Papers 是一个汇集了 AAAI 2024 会议接收论文的开源仓库，旨在帮助研究者快速追踪人工智能领域的前沿成果。该项目主要作为论文列表和索引，部分条目包含代码实现链接。

环境准备

本项目主要为文档和资源索引库，无需复杂的运行环境，仅需具备以下条件：

• 操作系统：Windows、macOS 或 Linux 均可。
• 前置依赖：
  • Git：用于克隆仓库。
  • 浏览器：用于查看在线列表或访问论文链接。
  • (可选) Python 3.x：如果你计划编写脚本解析仓库中的 JSON 数据或与 Hugging Face 应用交互。

国内加速建议： 如果直接访问 GitHub 速度较慢，建议使用国内镜像源或加速工具：

• 使用 Gitee 镜像（如果有同步）：git clone https://gitee.com/mirror/AAAI-2024-Papers.git
• 使用代理配置：export https_proxy=http://127.0.0.1:7890 http_proxy=http://127.0.0.1:7890 all_proxy=socks5://127.0.0.1:7890

安装步骤

通过 Git 将项目克隆到本地即可开始使用。

1. 打开终端（Terminal）或命令提示符。
2. 执行以下命令克隆仓库：

git clone https://github.com/DmitryRyumin/AAAI-2024-Papers.git

3. 进入项目目录：

cd AAAI-2024-Papers

注意：该仓库包含大量 Markdown 文件和自动生成的 JSON 数据，无需执行 pip install 或编译操作。

基本使用

方式一：本地浏览论文列表

克隆完成后，你可以直接在本地查看整理好的论文清单。

1. 使用文本编辑器（如 VS Code）或 Markdown 阅读器打开根目录下的 README.md 文件。
2. 在文件中查找感兴趣的论文标题，通常格式为：
   • 论文标题
   • [PDF] 链接
   • [Code] 链接（如有）

方式二：在线交互式查询（推荐）

项目作者部署了 Hugging Face Space 应用，提供更便捷的搜索和筛选体验，无需下载代码。

• 访问地址：NewEraAI-Papers
• 使用方法：
  1. 在网页中选择 "AAAI 2024" 标签。
  2. 利用搜索框输入关键词（如 "Transformer", "Diffusion"）。
  3. 点击论文标题直接跳转至 arXiv PDF 或 GitHub 代码库。

方式三：程序化获取数据（进阶）

如果你需要批量处理论文数据，可以解析仓库中自动生成的 JSON 文件（通常位于 data 目录或通过 GitHub Actions 生成）。

示例：使用 Python 读取本地论文数据（假设存在 papers.json）：

import json

# 读取数据文件
with open('papers.json', 'r', encoding='utf-8') as f:
    papers = json.load(f)

# 打印前 5 篇论文标题
for paper in papers[:5]:
    print(f"Title: {paper.get('title')}")
    print(f"Link: {paper.get('pdf_link')}")
    print("-" * 30)

---

提示：该仓库会通过 GitHub Actions 持续更新，建议定期执行 git pull 以获取最新收录的论文信息。