National University of Singapore（新加坡国立大学）

Reasoning over Semantic IDs Enhances Generative Recommendation

基于语义ID的推理增强生成式推荐

Yingzhi He, Yan Sun, Junfei Tan, Yuxin Chen, Xiaoyu Kong, Chunxu Shen, Xiang Wang, An Zhang, Tat-Seng Chua

机构 * National University of Singapore（国立新加坡大学） ； University of Science and Technology of China（中国科学技术大学） ； Tencent Inc.（腾讯公司） 纠错

AI总结 提出SIDReasoner两阶段框架，通过增强语义ID与语言的对齐和结果驱动的强化优化，实现无需大量推理标注的有效推理，提升生成式推荐的准确性、可解释性和跨领域泛化能力。

Comments Accepted by KDD 2026

Parametric Knowledge is Not All You Need: Toward Honest Large Language Models via Retrieval of Pretraining Data

参数化知识并非全部：通过检索预训练数据实现诚实的语言模型

Christopher Adrian Kusuma, Muhammad Reza Qorib, Hwee Tou Ng

机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） 纠错

AI总结 针对大语言模型在知识不足时产生幻觉的问题，提出利用公开预训练数据构建更鲁棒的诚实性评估基准，并设计检索预训练数据的方法提升模型诚实性。

Comments Findings of ACL 2026

HandCept: A Visual-Inertial Fusion Framework for Accurate Proprioception in Dexterous Hands

HandCept: 用于灵巧手精确本体感知的视觉-惯性融合框架

Huang Junda, Honghao Guo, Hao Wu, Zhengyang Liu, Marcelo H Ang, Jianshu Zhou

机构 * The Chinese University of Hong Kong（香港中文大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 提出HandCept，首个视觉-惯性本体感知框架，通过零样本学习和无延迟扩展卡尔曼滤波融合腕部RGB-D相机与9轴IMU，实现2°-4°关节角估计误差且无漂移，优于纯视觉或纯惯性方法。

Comments 8 pages, 7 figures, conference