KDD

Multi-Stage Verification-Centric Framework for Mitigating Hallucination in Multi-Modal RAG

多阶段验证导向框架用于缓解多模态RAG中的幻觉

Baiyu Chen, Wilson Wongso, Xiaoqian Hu, Yue Tan, Flora Salim

机构 * The University of New South Wales（新南威尔士大学） 纠错

AI总结 本文提出了一种多阶段验证导向框架，通过优先考虑事实准确性和真实性来缓解多模态RAG中的幻觉问题，并在KDD Cup 2025中取得第三名。

Comments KDD Cup 2025 Meta CRAG-MM Challenge: Third Prize in the Single-Source Augmentation Task

Wukong Framework for Not Safe For Work Detection in Text-to-Image systems

Wukong框架用于文本到图像系统中的不安全内容检测

Mingrui Liu, Sixiao Zhang, Cheng Long

机构 * Nanyang Technological University（南洋理工大学） 纠错

AI总结 Wukong通过利用扩散过程早期的去噪步骤和U-Net的预训练交叉注意力参数，实现高效的不安全内容检测，优于传统文本和图像过滤方法。

Comments Accepted by KDD'26 (round 1)

Nip Rumors in the Bud: Retrieval-Guided Topic-Level Adaptation for Test-Time Fake News Video Detection

在谣言萌芽时遏制：基于检索的课题级适应用于测试时虚假新闻视频检测

Jian Lang, Rongpei Hong, Ting Zhong, Yong Wang, Fan Zhou

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Aiwen Technology Co., Ltd.（爱文科技有限公司） ； Intelligent Digital Media Technology Key Laboratory of Sichuan Province（四川省智能数字媒体技术重点实验室） 纠错

AI总结 RADAR通过检索引导适应方法，在测试时有效检测未见主题的虚假新闻视频，提升适应能力。

Comments 13 pages. Accepted by KDD 2026 research track. Codes are released at https://github.com/Jian-Lang/RADAR

Rethinking Popularity Bias in Collaborative Filtering via Analytical Vector Decomposition

重新思考协同过滤中的流行度偏差：通过分析向量分解

Lingfeng Liu, Yixin Song, Dazhong Shen, Bing Yin, Hao Li, Yanyong Zhang, Chao Wang

机构 * School of Artificial Intelligence and Data Science, University of Science and Technology of China（人工智能与数据科学学院，科学技术大学） ； College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（计算机科学与技术学院，南京航空航天大学） ； State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） ； iFLYTEK Research, iFLYTEK（iFLYTEK研究） 纠错

AI总结 本文提出DDC框架，通过不对称方向更新修正协同过滤中流行度偏差的几何问题，提升推荐质量和公平性。

Comments Accepted by SIGKDD 2026(First Cycle)