实体
KDD 2026
KDD 2026
PulseAugur coverage of KDD 2026 — every cluster mentioning KDD 2026 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
ManCAR框架通过结构化推理增强生成推荐
Fu Cong团队和厦门大学的研究人员推出ManCAR，一个旨在将结构化推理约束集成到生成推荐系统中的新框架。这项新方法已被KDD 2026接收，旨在通过将多步推理概念化为用户行为流形上的导航过程来提高推荐的准确性。早期结果表明性能显著提升，NDCG@10提升高达46.88%。
-
OneRank 架构统一了推荐系统的多任务学习
研究人员推出了一种新颖的 Transformer 原生架构 OneRank，旨在统一推荐系统中的多任务学习。该框架通过在 Transformer 堆栈中集成特征编码和预测，解决了当前模型的局限性，从而减少了任务间的干扰并提高了可扩展性。在大规模工业数据集上的实验表明，OneRank 在排序效果上显著优于现有基线模型，同时保持了计算效率。
-
大语言模型精神诊断基准测试揭示复杂病例的准确性差距
一个名为LingxiDiagBench的新基准测试已被开发出来，用于评估大语言模型（LLMs）在中文精神科咨询和诊断方面的能力。该基准测试包含一个包含16,000个合成对话的数据集LingxiDiag-16K，旨在模拟12个ICD-10类别下的真实临床分布。实验表明，虽然大语言模型在区分抑郁症和焦虑症等二元分类任务上表现良好，但在共病识别和12路鉴别诊断等更复杂的任务上，其准确性会显著下降。研究还发现，动态多轮咨询的效果可能不如静态评…