美团KDD 2026论文精选及KDD Cup DataAgents冠军思路解读
原标题：KDD'26美团学术论文精选及KDD Cup'26 DataAgents赛道冠军思路解读
AI 摘要
美团技术团队在KDD 2026上发表了8篇论文，涵盖推荐大模型、生成与奖励建模、智能体搜索、Transformer框架等，并荣获KDD Cup 2026 DataAgents赛道冠军和季军。论文介绍了MTFM、CDRRM、LocalSearchBench、JTransNet、UME、GRAD、HMAF、MTGenRec等创新技术，其中MTFM已用于统一推荐大模型，JTransNet已全量上线。比赛方案基于点评“问点仔”的Agent Harness能力，相关代码已开源。
正文节选
KDD'26美团学术论文精选及KDD Cup'26 DataAgents赛道冠军思路解读 KDD（ACM SIGKDD Conference on Knowledge Discovery and Data Mining）是数据挖掘与知识发现领域最具影响力的国际顶级学术会议。KDD 以其严格的论文录用标准和深厚的学术影响力著称，是推动数据驱动研究与应用创新的重要平台。大会为学术界和工业界提供了交流前沿成果的高水平论坛，论文录用率通常在 15%-20% 左右，属于计算机领域的 CCF-A 类顶级会议。 本文精选了美团技术团队被 KDD 2026 收录的 8 篇论文进行分享，这些论文覆盖了推荐大模型、生成与奖励建模框架、智能体搜索、Transformer 框架、元泛化框架等技术领域。 🏆 此外，大众点评技术部还荣获了 2026 KDD Cup 复杂数据分析 Data Agents 国际竞赛的冠军、季军，本文介绍了团队比赛思路和解题策略。希望以上这些内容能够对大家有所帮助或启发。 论文下载：PDF 论文简介：工业推荐系统通常涉及多个场景，而现有的跨域（CDR）和多场景（MSR）方法往往需要大量