KDD

Session-Level Optimization for Large-Scale Retrieval using REINFORCE with Multi-Step Off-Policy Correction

基于离策略强化学习的大规模生成式检索长期优化

Artem Matveev, Sergei Makeev, Aleksei Krasilnikov, Vladimir Baikalov, Sergei Liamaev, Kirill Khrylchenko

AI总结 将推荐视为会话级序贯决策问题，用离策略REINFORCE在预收集数据上训练生成式检索器，提出多步重要性权重近似，训练用户反馈模型用于离线评估，引入测试时缩放程序，实验表明方法能改进离线估计。

Comments Accepted at the 5th Workshop on End-End Customer Journey Optimization at KDD 2026

SafeCRS: Personalized Safety Alignment for LLM-Based Conversational Recommender Systems

SafeCRS: 为基于大语言模型的对话推荐系统实现个性化安全对齐

Haochang Hao, Yifan Xu, Xinzhuo Li, Yingqiang Ge, Lu Cheng

机构 * University of Illinois at Chicago（伊利诺伊大学芝加哥分校） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） 纠错

AI总结 SafeCRS通过整合安全监督微调与安全组奖励解耦归一化策略优化，提升基于大语言模型的对话推荐系统在个性化安全约束下的推荐质量与安全对齐能力。

Comments Accepted by SIGKDD 2026

LLM-Based Scientific Equation Discovery via Physics-Informed Token-Regularized Policy Optimization

基于大语言模型的科学方程发现：通过物理引导的令牌正则化策略优化

Boxiao Wang, Kai Li, Tianyi Liu, Chen Li, Junzhe Wang, Yifan Zhang, Jian Cheng

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； State Key Laboratory of Aerodynamics（航空动力国家重点实验室） ； School of Mathematical Sciences, University of Chinese Academy of Sciences（中国科学院大学数学科学学院） 纠错

AI总结 本文提出PiT-PO框架，通过强化学习使LLM成为适应性生成器，生成科学一致且结构简洁的方程，提升科学发现性能。

Comments Accepted at KDD 2026. Code is available at https://github.com/CAS-CLab/PiT-PO

Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining, Vol. 2, pp. 12195-12206, 2026