The Boy Who Cried Wolf: Adversarial Misclassification of Safe Inputs as Unsafe in Multimodal Guardrails
《狼来了：多模态安全护栏中安全输入被对抗性误分类为不安全》
AI总结 该研究针对多模态安全护栏提出不安全诱导攻击，通过不安全语义蒸馏实现84%攻击成功率，揭示了当前多模态安全架构存在安全输入被误判为不安全的可用性漏洞。
Comments Accepted by KDD 2026
期刊&会议
KDD
ACM SIGKDD Conference on Knowledge Discovery and Data Mining · 会议 · Data Mining
Collaborative Memory Augmentation for Generative Recommendation
用于生成式推荐的协同记忆增强
AI总结 针对现有生成式推荐模型未利用跨用户协同信号的问题，提出OMEGA框架，通过潜在上下文压缩、协同记忆库与目标感知检索等机制，在多数据集上显著优于现有先进模型。
Comments Accepted by KDD 2026 Research Track
RH-RAG: Trustworthy Long-Form Generation for Privacy-Constrained Settings
RH-RAG：适用于隐私受限场景的可信长文本生成
机构 * Indian Institute of Technology, Roorkee（鲁尔基印度理工学院）
AI总结 该研究针对隐私受限场景下的长文本生成难题，提出基于本地语言模型的多智能体框架RH-RAG，通过三阶段协同生成与双层检索索引提升生成质量，且兼顾数据隐私。
Comments accepted in KDD 2026 SeT-LLM Workshop
Don't Offer What Can't Be Done: Deterministic Executability Gating for LLM Skill Selection at Scale
不要提供无法完成的任务：面向大规模LLM技能选择的确定性可执行性门控机制
机构 * Wix Israel（Wix以色列） ； Wix Ukraine（Wix乌克兰）
AI总结 该研究针对大规模LLM技能选择中不可执行技能的干扰问题，提出三阶段选择流水线，经生产分析和反事实测试，可大幅减少技能描述上下文并阻止不可执行技能影响模型选择。
Comments 7 pages, 3 figures. Preprint. Submitted to the ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2027), Applied Data Science Track; currently under review
Hierarchical Residual Policy Optimization for Generative Recommendations
用于生成式推荐的分层残差策略优化
AI总结 针对生成式推荐器后训练中标记级信用分配问题，提出HRPO框架，将项目级结果转换为标记对齐学习信号，经实验在会话效用和业务指标上取得提升。
Comments 12 pages, 6 figures, 10 tables. Accepted at KDD 2026 Research Track
SafeBuild-Bench: A Temporal-Robust Construction Safety Benchmark with Graph-Enhanced Data Mining
SafeBuild-Bench：一种具有图增强数据挖掘能力的时序鲁棒建筑安全基准
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究人员构建了图增强数据挖掘的时序鲁棒建筑安全基准SafeBuild-Bench，开发可扩展验证的GEMS流水线，发现现有多模态大语言模型对建筑安全理解仍不足。
Comments Accepted by KDD 2026. 12 pages, 6 figures
PCBWorld: A Benchmark Environment for Engine-Grounded PCB Design Automation
PCBWorld：用于基于引擎的PCB设计自动化的基准环境
机构 * LG AI Research（LG人工智能研究院）
AI总结 研究旨在改进PCB布线，介绍基于KiCad EDA引擎的开源环境PCBWorld及数据集PCBWorld-Bench，支持多种智能体。实验表明其中智能体性能优于基线，仅在合成板训练的强化学习策略可零样本迁移到真实板，有望提升布线能力。
Comments Accepted to the KDD 2026 Workshop on Evaluation and Trustworthiness of Agentic AI (non-archival). Main text with appendix
Can LLM-based Financial Investing Strategies Outperform the Market in Long Run?
基于LLM的金融投资策略能否长期跑赢市场？
机构 * AIAI, School of Informatics The University of Edinburgh Edinburgh United Kingdom ； Global Finance Research Center Sungkyunkwan University Seoul Republic of Korea ； Dept. of Statistics \& OMI University of California, Los Angeles ； University of Oxford United States ； The University of Edinburgh ； Sungkyunkwan University ； University of California, Los Angeles ； University of Oxford
AI总结 提出FINSABER回测框架，在更长时间和更大股票池上评估基于LLM的择时策略，发现其优势在长期和广泛截面下显著下降，且在牛熊市中表现不佳。
Comments KDD 2026, Datasets & Benchmarks Track (Oral) Corrected the FinAgent results and added FinAgent (GPT-4o-mini) in Table 2; conclusions unchanged
Submodular Maximization under Supermodular Constraint: Greedy Guarantees
在超模约束下进行子模最大化：贪心保证
AI总结 在超模约束下，通过贪心算法和二分查找实现子模函数最大化，提供双标准近似方法，优于其他贪心启发法。
Comments 12 pages, 6 figures. Fixed typos. Accepted at the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26)
CTR-Sink: Attention Sink for Language Models in Click-Through Rate Prediction
CTR-Sink：用于点击率预测的语言模型中的注意力汇聚点
机构 * NLPR, Institute of Automation, Chinese Academy of Sciences（神经信息处理教育部重点实验室，自动化研究所，中国科学院） ； Ant Group（蚂蚁集团） ； The University of Hong Kong（香港大学） ； City University of Hong Kong（香港城市大学） ； Sun Yat-sen University（中山大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学）
AI总结 针对用户行为序列与语言模型预训练文本之间的结构差异导致的语义碎片化问题，提出CTR-Sink框架，通过引入行为级注意力汇聚点并动态调节注意力聚合，提升点击率预测性能。
Comments Accepted by the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026). The source code of this paper has been made publicly available at https://github.com/UGUESS-lzx/CTR-SINK
