近日，国家治理大数据和人工智能创新平台工程师马静为通讯作者的论文《Breaking the Adversarial Robustness-Performance Trade-off in Text Classification via Manifold Purification》被人工智能国际顶级会议 AAAI Conference on Artificial Intelligence 2026（AAAI 2026） 接收。

    AAAI 2026将于2026年1月20日至27日在新加坡博览中心举办，本届大会共收到23,680份有效投稿，最终接收论文4,167篇，录用率仅为17.6%。

AAAI由人工智能促进会主办，是中国计算机学会（CCF）推荐的A类会议。自1979年创办以来，AAAI以其严格的论文评审机制和高水平的学术成果，成为人工智能研究与技术发展的风向标。作为人工智能技术与应用的前沿阵地，AAAI会议的内容涵盖深度学习、自然语言处理、计算机视觉、生物信息学等多个学科领域，是全球学术界与产业界高度关注的重要会议之一。

文本分类（Text Classification, TC）领域长期面临的一个核心难题是：增强模型对抗攻击的鲁棒性往往会导致其在干净数据上的性能下降。本文认为，这一问题可以通过在编码器的嵌入流形上建模干净样本的分布来解决。为此，研究提出了流形校正因果流（Manifold-Correcting Causal Flow, MC2F），这是一个直接作用于句子嵌入的双模块系统。其中，分层黎曼连续归一化流（Stratified Riemannian Continuous Normalizing Flow, SR-CNF）用于学习干净数据流形的密度分布，识别出分布之外（out-of-distribution, OOD）的嵌入；随后，测地净化求解器（Geodesic Purification Solver）通过沿最短测地方向将这些对抗样本投影回已学习的流形，从而恢复干净且语义一致的表示。