University of Chinese Academy of Sciences（中国科学院大学）

From Agnostic to Specific: Latent Preference Diffusion for Multi-Behavior Sequential Recommendation

从无偏到特定：基于潜在偏好的多行为序列推荐扩散模型

Ruochen Yang, Xiaodong Li, Jiawei Sheng, Jiangxia Cao, Xinkui Lin, Shen Wang, Shuang Yang, Zhaojie Liu, Tingwen Liu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, UCAS（UCAS网络安全学院） 纠错

AI总结 FatsMB通过潜在空间中的偏好生成，实现从无偏到特定的多行为序列推荐，提升推荐的多样性和准确性。

FactGuard: Agentic Video Misinformation Detection via Reinforcement Learning

FactGuard：通过强化学习进行代理视频虚假信息检测

Zehao Li, Hongwei Yu, Hao Jiang, Qiang Sheng, Yilong Xu, Baolong Bi, Yang Li, Zhenlong Yuan, Yujun Cai, Zhaoqi Wang

机构 * Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； University of Science and Technology Beijing（北京科技大学） ； The University of Queensland, Brisbane, Australia（昆士兰大学） 纠错

AI总结 FactGuard通过强化学习和代理框架，提升视频虚假信息检测的鲁棒性和泛化能力。

Fine-tuning Done Right in Model Editing

在模型编辑中正确进行微调

Wanli Yang, Rui Tang, Hongyu Zang, Du Su, Qi Cao, Jingang Wang, Huawei Shen, Xueqi Cheng, Fei Sun

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, CAS University of Chinese Academy of Sciences（人工智能安全国家重点实验室、计算技术研究所、中国科学院大学） 纠错

AI总结 本文提出LocFT-BF方法，通过恢复微调的广度优先管道并改进调参策略，在模型编辑中显著提升了效果，实现了大规模编辑任务的高效处理。

Comments Accepted as a conference paper at ICLR 2026

Differential Privacy of Quantum and Quantum-Inspired Classical Recommendation Algorithms

量子与受量子启发的经典推荐算法的差分隐私

Chenjian Li, Mingsheng Ying, Ji Guan

机构 * Key Laboratory of System Software, CAS（系统软件重点实验室，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Centre for Quantum Software and Information（量子软件与信息中心） ； University of Technology Sydney（悉尼大学） 纠错

AI总结 本文研究了量子和受量子启发的经典推荐算法的差分隐私特性，证明了在特定条件下无需额外噪声即可实现隐私保护，并通过实验验证了其有效性。

Comments 18 pages, 3 figures in total(including appendix)

Orthogonal Weight Modification Enhances Learning Scalability and Convergence Efficiency without Gradient Backpropagation

正交权重修改提升学习可扩展性和收敛效率而不使用梯度反向传播

Guoqing Ma, Shan Yu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Future Technology, University of Chinese Academy of Sciences（中国科学院大学未来技术学院） ； Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology, Chinese Academy of Sciences（中国科学院脑认知与类脑智能技术重点实验室） 纠错

AI总结 LOCO通过正交权重修改提升神经网络的学习可扩展性和收敛效率，无需梯度反向传播，实现高效持续学习。

LiveMCPBench: Can Agents Navigate an Ocean of MCP Tools?

LiveMCPBench: 代理能否在MCP工具的海洋中导航？

Guozhao Mo, Wenliang Zhong, Jiawei Chen, Qianhao Yuan, Xuanang Chen, Yaojie Lu, Hongyu Lin, Ben He, Xianpei Han, Le Sun

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） 纠错

AI总结 LiveMCPBench通过大规模基准测试揭示MCP代理在检索和工具组合上的性能差距，强调检索错误是主要瓶颈，并提供可重复的评估框架和工具套件。

Comments Our code and data will be publicly available at https://icip-cas.github.io/LiveMCPBench