KDD

QA-Dragon: Query-Aware Dynamic RAG System for Knowledge-Intensive Visual Question Answering

QA-Dragon：面向知识密集型视觉问答的查询感知动态RAG系统

Zhuohang Jiang, Pangjing Wu, Xu Yuan, Wenqi Fan, Qing Li

AI总结 QA-Dragon通过引入领域路由器和搜索路由器，实现多模态、多轮和多跳推理，提升复杂视觉问答任务的推理性能，实验显示其在单源、多源和多轮任务中均优于基线模型。

Comments The source code for our system is released in https://github.com/jzzzzh/QA-Dragon

Journal ref 2025 KDD Cup Workshop for Multimodal Retrieval Augmented Generation

Bid2X: Revealing Dynamics of Bidding Environment in Online Advertising from A Foundation Model Lens

Bid2X：从基础模型视角揭示在线广告中拍卖环境的动态

Jiahao Ji, Tianyu Wang, Yeshu Li, Yushen Huo, Zhilin Zhang, Chuan Yu, Jian Xu, Bo Zheng

机构 * Alibaba Group（阿里巴巴集团） 纠错

AI总结 本文提出Bid2X基础模型，通过统一函数估计特定拍卖下的效果，结合注意力机制和融合模块，实现跨场景的拍卖策略优化，实验显示其在GMV和ROI上均优于基线模型。

Comments 12 pages, KDD 2025