KDD

Heterogeneous Multi-Agent Reinforcement Learning with Attention for Cooperative and Scalable Feature Transformation

异构多智能体强化学习与注意力机制用于协作和可扩展的特征转换

Tao Zhe, Huazhen Fang, Kunpeng Liu, Qian Lou, Tamzidul Hoque, Dongjie Wang

机构 * University of Kansas（堪萨斯大学） ； Michigan State University（密歇根州立大学） ； Clemson University（克莱姆森大学） ； University of Central Florida（佛罗里达中央大学） 纠错

AI总结 本文提出异构多智能体强化学习框架，通过注意力机制实现高效、可扩展的特征转换，提升下游任务性能。

Comments Accepted at KDD 2026 Research Track

Continuous Optimization for Feature Selection with Permutation-Invariant Embedding and Policy-Guided Search

基于排列不变嵌入和策略引导搜索的连续优化特征选择

Rui Liu, Rui Xie, Zijun Yao, Yanjie Fu, Dongjie Wang

机构 * University of Kansas（堪萨斯大学） ； University of Central Florida（中央佛罗里达大学） ； Arizona State University（亚利桑那州立大学） 纠错

AI总结 本文提出一种基于排列不变嵌入和策略引导搜索的连续优化特征选择框架，通过编码器-解码器范式和强化学习方法解决特征子集嵌入中的排列敏感性和凸性假设问题。

Comments KDD 2025