KDD

Medusa: Cross-Modal Transferable Adversarial Attacks on Multimodal Medical Retrieval-Augmented Generation

Medusa: 跨模态可转移的对抗攻击用于多模态医疗检索增强生成

Yingjia Shang, Yi Liu, Huimin Wang, Furong Li, Wenfang Sun, Wu Chengyu, Yefeng Zheng

机构 * Westlake University（西湖大学） ； Heilongjiang University（黑龙江大学） ； City University of Hong Kong（香港城市大学） ； Tencent（腾讯） 纠错

AI总结 Medusa提出了一种针对多模态医疗检索增强生成系统的跨模态可转移对抗攻击方法，通过优化扰动和双循环策略实现高攻击成功率并抵御主流防御措施。

Comments Accepted at KDD 2026 First Cycle (full version). Authors marked with * contributed equally. Yi Liu is the lead author

MGFRec: Towards Reinforced Reasoning Recommendation with Multiple Groundings and Feedback

MGFRec: 向多接地与反馈的强化推理推荐迈进

Shihao Cai, Chongming Gao, Haoyan Liu, Wentao Shi, Jianshan Sun, Ruiming Tang, Fuli Feng

AI总结 MGFRec通过多轮接地和反馈机制提升推荐系统中推理与实际物品空间的一致性，改进推荐效果。

Comments Accepted at KDD 2026

KBest: Efficient Vector Search on Kunpeng CPU

KBest: 面向 Kunpeng CPU 的高效向量搜索

Kaihao Ma, Meiling Wang, Senkevich Oleg, Zijian Li, Daihao Xue, Dmitriy Malyshev, Yangming Lv, Shihai Xiao, Xiao Yan, Radionov Alexander, Weidi Zeng, Yuanzhan Gao, Zhiyu Zou, Xin Yao, Lin Liu, Junhao Wu, Yiding Liu, Yaoyao Fu, Gongyi Wang, Gong Zhang, Fei Yi, Yingfan Liu

AI总结 KBest 是针对 Kunpeng 920 CPU 优化的高效向量搜索库，通过硬件感知和算法优化提升查询吞吐量超过 2 倍。

Journal ref ACM KDD 2026 | Jeju, Korea

Hierarchical knowledge guided fault intensity diagnosis of complex industrial systems

分层知识引导的复杂工业系统故障强度诊断

Yu Sha, Shuiping Gou, Bo Liu, Johannes Faber, Ningtao Liu, Stefan Schramm, Horst Stoecker, Thomas Steckenreiter, Domagoj Vnucec, Nadine Wetzstein, Andreas Widl, Kai Zhou

机构 * School of Artificial Intelligence, Xidian University, Xian, China（西安电子科技大学人工智能学院） ； School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, China（香港科技大学（深圳）科学与工程学院） ； Frankfurt Institute for Advanced Studies, Frankfurt am Main, Germany（法兰克福高级研究院） ； Xidian-FIAS international Joint Research Center, Frankfurt am Main, Germany（西电-法兰克福国际联合研究中心） ； Institut für Theoretische Physik, Goethe Universität Frankfurt, Frankfurt am Main, Germany（法兰克福歌德大学理论物理研究所） ； GSI Helmholtzzentrum für Schwerionenforschung GmbH, Darmstadt, Germany（重离子研究中心（GSI）） ； SAMSON AG, Frankfurt am Main, Germany（SAMSON公司） 纠错

AI总结 本文提出了一种分层知识引导的故障强度诊断框架，通过引入层次知识相关矩阵解决依赖关系问题，提升复杂工业系统故障诊断的准确性。

Comments 12 pages

Journal ref In Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining(KDD 2024)