📝 论文发表

Mitigating Gradient Pathology in PINNs through Aligned Constraint

Yichen Luo, Peiyu Zhu, Dongxiao Hu, Jia Wang, Tailin Wu, Dapeng Lan, Yu Liu, Zhibo Pang ✉

论文

-针对物理信息神经网络（PINNs）中 PDE 残差与边界约束梯度冲突导致的“梯度病态”问题，本文提出了基于流形提升的约束对齐损失（CAML）。该方法通过将零阶项重构为对齐约束并引入延迟因子，有效缓解了梯度冲突并引导优化器跳过高曲率区域。实验证明，CAML 在处理复合边界条件的复杂 PDE 问题时，显著提升了数值稳定性和收敛效率。

Pu-Bench: A Unified Benchmark for Rigorous and Reproducible PU-Learning

Qiuyi Chen*, Haiyang Zhang, Leqi Zhang, Changchun Li, Jia Wang, Wei Wang

论文 代码

• 本文提出 PU-Bench，这是首个面向正负未标注（PU）学习的开源统一评测平台，通过标准化的数据生成、算法集成与评估协议，提供严谨、系统、可复现的评价框架。

From IDs to Semantics: A Generative Framework for Cross-Domain Recommendation with Adaptive Semantic Tokenization

Peiyu Hu*, Wayne Lu*, Jia Wang ✉

论文, 代码

• 我们提出了新的生成式跨域推荐框架 GenCDR。据我们所知，这是首个将生成式语义 ID 范式引入基于大语言模型跨域推荐的工作。

Breaking Down Market Barriers: Distilled Prompt-Tuning Approach for Cross-Market Recommendation

Leqi Zhang*, Wayne Lu, Haiyang Zhang, Elliott Wen, Zhixuan Liang, Jia Wang ✉

论文

• 提出一种可自我改进的框架，利用视觉语言模型（VLM）增强具身视觉跟踪（EVT），在跟踪失败后实现恢复。

Customized Retrieval-Augmented Generation with LLM for Debiasing Recommendation Unlearning

Haichao Zhang*, Chong Zhang, Peiyu Hu, Shi Qiu, Jia Wang✉

论文, 代码

• CRAGRU 是一个统一框架，将 RAG（检索增强生成）、大语言模型（LLMs）与推荐遗忘学习相结合。该框架模块化、可复现，并支持灵活实验。

MMET: A Multi-Input and Multi-Scale Transformer for Efficient PDEs Solving

Yichen Luo, Jia Wang , Dapeng Lan, Yu Liu， Zhibo Pang∗✉

论文 代码

• MMET（多输入多尺度高效 Transformer）是一个基于 Transformer 的框架，面向复杂科学与工程场景中的偏微分方程（PDE）求解任务。

Role-aware Multi-agent Reinforcement Learning for Coordinated Emergency Traffic Control

Ming Cheng, Hao Chen, Zhiqing Li, Jia Wang, Senzhang Wang

论文 代码

• 本文研究了应急交通控制的挑战及现有模型的局限。作者提出 RMTC 框架，利用 HTTG、动态角色学习和角色感知多智能体强化学习来协调交通要素。

Uncertainty-Aware Semantic Decoding for LLM-Based Sequential Recommendation

Chenke Yin*, Fan Li*, Jia Wang✉, Dongxiao Hu, Haichao Zhang, Chong Zhang, Yang Xiang

论文, 代码

• 提出了不确定性感知语义解码框架，以解决标准文本生成方法与推荐任务需求之间的不匹配问题。