KDD

When Retrieval Helps: Selective Retrieval for Single-Turn Mental-Health QA

检索何时有益：面向单轮心理健康问答的选择性检索

Hyunseo Oh, Chong-Kwon Kim, Yoonhyuk Choi

机构 * Korea Institute of Energy Technology（韩国能源技术研究院） 纠错

AI总结 本研究针对单轮心理健康问答，提出选择性检索策略，在CounselBench系列基准实验中验证其可平衡检索的针对性提升与安全风险，优于闭卷及始终检索设置。

Comments 8 pages, 3 figures. Presented at the KDD 2026 Undergraduate Consortium

B2B Customer Conversion Prediction: A Document Representation, Graph Theory, and CatBoost Driven Methodology

B2B客户转化预测：一种基于文档表示、图论与CatBoost的方法

Tianqi Wang, Sheikh Shams Azam, Wan Eih Huang, Anton Wiranata, Christopher G. Brinton, Jan P. Allebach

机构 * Purdue University（普渡大学） ； Apple（苹果公司） ； Amazon（亚马逊公司） ； HP Inc.（惠普公司） 纠错

AI总结 针对B2B客户转化预测问题，该研究提出结合文档表示、图论与CatBoost的方法，实现91%的预测准确率，并探讨了个性化营销活动推荐方案。

Comments 10 pages, 6 figures. Presented at the 2nd Workshop on End-End Customer Journey Optimization at KDD 2023

Reflect-SQL: A Self-Reflection Based Framework for Text-to-SQL

Reflect-SQL：一种基于自反思的Text-to-SQL框架

Anupreksha Jain, Manish Shrivastava

机构 * International Institute of Information Technology Hyderabad（国际信息技术研究所海得拉巴分校） 纠错

AI总结 Reflect-SQL是一种基于多阶段自反思的Text-to-SQL框架，通过LLM作为评判者的反馈循环优化结果，在BIRD基准上实现72.03%执行准确率，显著优于现有方法，提升了企业数据访问的可靠性。

Comments Accepted in PAKDD 2026

Journal ref In: Trends and Applications in Knowledge Discovery and Data Mining (PAKDD 2026 Workshops), pp. 74-86, Springer, 2026. Print ISBN: 978-981-92-2013-7, eBook ISBN: 978-981-92-2014-4

PCBWorld: A Benchmark Environment for Engine-Grounded PCB Design Automation

PCBWorld：用于基于引擎的PCB设计自动化的基准环境

Hyungseok Song, Junseok Park, Won-Seok Choi, Seohui Bae, Han-Seul Jeong, Youngjoon Park, Soonyoung Lee

机构 * LG AI Research（LG人工智能研究院） 纠错

AI总结 研究旨在改进PCB布线，介绍基于KiCad EDA引擎的开源环境PCBWorld及数据集PCBWorld-Bench，支持多种智能体。实验表明其中智能体性能优于基线，仅在合成板训练的强化学习策略可零样本迁移到真实板，有望提升布线能力。

Comments Accepted to the KDD 2026 Workshop on Evaluation and Trustworthiness of Agentic AI (non-archival). Main text with appendix

MemeBridge: A Dataset for Benchmarking and Mitigating the Bidirectional Cultural Gap in Meme Interpretation

MemeBridge：用于基准测试和缓解梗图理解中双向文化差异的数据集

Hangxiao Zhu, Suliu Qin, Zhuoyan Li, Ming Jiang, Yu Zhang, Meng Xia

机构 * Texas A&M University（德克萨斯农工大学） ； Purdue University（普渡大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 该研究构建了针对美国起源梗图的双向文化数据集MemeBridge，用于测试跨文化理解，发现LLM跨文化理解能力不足，用MemeBridge微调可提升模型性能。

Journal ref In Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining, Vol. 1 (KDD '26), 2026

UME: A Unified Meta-Generalization Framework for Cross-Domain ETA

UME：跨域ETA的统一元泛化框架

Duo Wang, Qiong Wu, Jianguo Wu, Ruiyu Xu, Jinhui Yi, Zhonggen Sun, Zhentao Zhang, Yu Zhang, Ke Xing, Yongjun Yin, Zishuo Li, Jianwen Huang

机构 * Peking University（北京大学） ； Meituan（美团） 纠错

AI总结 针对即时物流中跨域ETA预测的零样本泛化、特征缺失和知识迁移问题，提出基于超网络元学习的统一双分支架构UME，通过元模块动态调制特征门控、专家注意力和最终预测，并在美团Keeta平台部署验证。

Journal ref KDD '26: Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining, Vol. 2 (2026), 8112-8123

PathCRF: Ball-Free Soccer Event Detection via Possession Path Inference from Player Trajectories

PathCRF: 通过球员轨迹的控球路径推断实现无球足球事件检测

Hyunsung Kim, Kunhee Lee, Sangwoo Seo, Sang-Ki Ko, Jinsung Yoon, Chanyoung Park

机构 * KAIST（韩国釜山科学技术院） ； Fitogether Inc.（Fitogether公司） ； University of Seoul（首尔大学） 纠错

AI总结 提出PathCRF框架，仅利用球员轨迹数据，通过将轨迹建模为动态图并采用条件随机场（CRF）推断控球路径，实现无球足球事件检测，降低对人工标注和球轨迹数据的依赖。

Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)

A Unified Approach to Interpretable Causal Root Cause Attribution

可解释性因果根因归因的统一方法

Jing Zhou, Dominik Janzing, Sepp Tsang, Patrick Blöbaum, Marco Visentini Scarzanella

AI总结 针对复杂电商系统的指标变化根因归因，提出结合结构因果信息的统一方法，兼顾可解释性、效率与因果有效性，提升了根因归因的准确性。

Comments Accepted by KDD workshop 2026

MedTVL: Harnessing Vision and Language for Medical Time Series Classification

MedTVL：利用视觉与语言进行医学时间序列分类

Jiexia Ye, Jia Li, Fugee Tsung

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 该研究提出文本引导双路径架构MedTVL，结合卷积时间路径与Transformer视觉路径，辅以自适应医学文本语义和混合专家机制，支持多模态对比学习，在多医学任务上展现出优越的分类性能与可迁移性。

Comments 12 pages, 10 figures, 7 tables

Journal ref KDD 2026

Ball Trajectory Inference from Multi-Agent Sports Contexts Using Set Transformer and Hierarchical Bi-LSTM

Hyunsung Kim, Han-Jun Choi, Chang Jo Kim, Jinsung Yoon, Sang-Ki Ko

机构 * Fitogether Inc.（Fitogether公司） ； Kangwon National University（江原大学） 纠错

Journal ref Proceedings of the 29th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2023)

SoccerCPD: Formation and Role Change-Point Detection in Soccer Matches Using Spatiotemporal Tracking Data

Hyunsung Kim, Bit Kim, Dongwook Chung, Jinsung Yoon, Sang-Ki Ko

Journal ref Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2022)

Scalable dynamic community detection on temporal graphs using graph neural networks

基于图神经网络的时序图可扩展动态社区检测

Peijie Zhong, Raul Mondragon, Richard G. Clegg

AI总结 该研究提出扩散引导的对比学习框架，结合图神经网络实现时序图的可扩展动态社区检测，在合成网络和OpenAlex合作网络上验证了方法的有效性与可扩展性。

Comments Submitted to Trans KDD

Topology-Masked Unified Backbone for Joint Feature Interaction and Multi-Domain Sequence Modeling

用于联合特征交互与多域序列建模的拓扑掩码统一骨干网络

Zhihao Zhu, Dezheng Han, Jikang Xia, Shuaishuai Guo

AI总结 针对工业级CVR预测中异构特征交互与多域序列建模未充分统一的问题，提出MaskRec拓扑掩码统一架构，在腾讯广告数据集上实现稳定性能提升。

Comments Accepted to the TAAC-KDD Cup 2026 Workshop. Recipient of the Unified Block Innovation Award

Realistic Counterfactual Explanations via Denial Constraints

基于拒绝约束的现实反事实解释

Avia Asael, Nave Frost, Amir Gilad, Daniel Deutch

AI总结 本文针对现有反事实解释不符合现实实例的问题，结合可解释AI与数据管理思路，利用拒绝约束生成现实反事实，经多数据集验证，该方案兼顾现实性与距离、多样性，且优化后搜索效率高。

Journal ref Proc. 32nd ACM SIGKDD Conf. on Knowledge Discovery and Data Mining (KDD '26), Jeju Island, South Korea, Aug 2026, pp. 33-44

Planning over Matrix-Factorization MDPs for Candidate Generation

基于矩阵分解MDP的候选生成规划

Mikhail Trapeznikov, Maksim Utushkin

AI总结 将推荐系统的用户旅程建模为MDP，通过折叠更新用户状态进行规划，实验表明单步前瞻即可显著提升固定嵌入下的检索效果。

Comments Accepted to the 5th Workshop on End-to-End Customer Journey Optimization at KDD 2026. 6 pages, 3 figures, 2 tables

SWE-Bench Mobile: Can Large Language Model Agents Develop Industry-Level Mobile Applications?

SWE-Bench Mobile: 大语言模型代理能否开发行业级移动应用？

Muxin Tian, Zhe Wang, Blair Yang, Zhenwei Tang, Kunlun Zhu, Honghua Dong, Hanchen Li, Xinni Xie, Guangjing Wang, Jiaxuan You

AI总结 SWE-Bench Mobile评估大语言模型代理在开发行业级移动应用中的能力，发现商业代理表现优于开源替代品，且简单提示策略更有效。

Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining, Vol. 2, pp. 8077-8087, 2026

Sources of Gain: Decomposing Performance in Conditional Average Dose Response Estimation

Christopher Bockel-Rickermann, Toon Vanderschueren, Tim Verdonck, Wouter Verbeke

机构 * KU Leuven（鲁汶大学） ； University of Antwerp（安特卫普大学） ； imec（校际微电子中心） 纠错

Comments 25 pages, 9 figures

Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (2026)

CEDAR: Controlled and Event-Driven Demand Forecasting via Residual Decomposition

CEDAR：基于残差分解的可控事件驱动需求预测

Junjie Meng, Ranxu Zhang, Zi-an Zhang, Shujun Liu, Xiaoning Qi, Xiaozhou Xu, Yanyong Zhang, Hui Xiong, Chao Wang

机构 * School of Artificial Intelligence and Data Science, University of Science and Technology of China（中国科学技术大学人工智能与数据科学学院） ； Alibaba Group（阿里巴巴集团） ； Thrust of Artificial Intelligence, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）人工智能学域） 纠错

AI总结 该研究针对现有时间序列预测方法对策略不敏感、反事实分析不可靠的问题，提出基于残差分解的两阶段框架CEDAR，在阿里1688数据集上验证其可提升模拟精度并助力预算规划。

Comments 12 pages, 4 figures, 5 tables. Published in KDD 2026

Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26), August 09-13, 2026, Jeju Island, Republic of Korea. ACM, 2026, 12 pages

AgentWorld: Personality-Aware Reliability Evaluation for Agentic Information Retrieval

AgentWorld：面向智能体信息检索的人格感知可靠性评估

Gunja Agarwal, Arup Kumar Das, Arun Menon, Jitesh Chandra Mishra, Vignesh Divakaran

机构 * PayPal（贝宝） 纠错

AI总结 AgentWorld框架整合多模块，通过三类实验验证其可评估智能体信息检索的人格感知可靠性，能发现统一测试未暴露的故障模式及轨迹级脆弱性。

Comments Accepted at Agent4IR @ KDD 2026

PinSieve: Production Selective VLM Serving and a Governed Memory Flywheel for Enterprise Content-Quality Triage

PinSieve：面向企业内容质量分类的生产级选择性VLM服务及受控内存飞轮

Chuqing Gao, Yuanfang Song, Jonathan Zhang, Yifan Wu, Vishwakarma Singh, Qinglong Zeng, Andrey Gusev

AI总结 本文提出PinSieve，即面向企业内容质量分类的选择性VLM服务智能体，结合受控内存飞轮维护机制，提升审核效率、降低成本并改善信号交付，具有任务可迁移性。

Comments Accepted at the KDD 2026 workshop "Enterprise AI Agents: From Prototypes to Production."

Claim-Level Confidence Calibration for Reliable Decision Making with Large Language Models

面向大型语言模型可靠决策的声明级置信度校准

Toghrul Abbasli, Kentaroh Toyoda, Yuan Wang, Li Chen

机构 * Tsinghua University（清华大学） ； Vulcan Research（伏尔坎研究院） ； AIFT ； Keio Global Research Institute (KGRI)（庆应全球研究所（KGRI）） ； China Mobile Research Institute（中国移动研究院） ； Zhongguancun Laboratory（中关村实验室） 纠错

AI总结 该研究针对大型语言模型的幻觉及置信度与事实不匹配问题，提出黑箱场景下的声明级置信度校准框架，在TriviaQA等数据集上降低了事实问题的预期校准误差。

Comments In Proceedings of The 5th Workshop on Uncertainty Reasoning and Quantification in Decision Making (held in conjunction with ACM SIGKDD 2026), Jeju, Korea

Class-Conditioned Gaussian Mixture Modeling for Imbalanced Time Series Quantification

面向不平衡时间序列量化的类条件高斯混合建模

Md Shahriar Kabir, Mayesha Maliha R. Mithila, Anne H. H. Ngu, Mylène C. Q. Farias, Byron Gao

机构 * Texas State University（德克萨斯州立大学） 纠错

AI总结 本文针对不平衡时间序列量化问题，提出类条件高斯混合量化器 CC-GMNet-TS，结合 Transformer 特征提取器与类专属混合模型，在三个基准上取得优于传统方法的低误差。

Comments 13 pages, 2 figures, 2 tables. Accepted at PAKDD 2026 (Pacific-Asia Conference on Knowledge Discovery and Data Mining), LNAI 16599, pp. 560-572, Springer, Singapore

Journal ref Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD 2026), LNAI 16599, pp. 560-572, Springer, Singapore, 2026

FinSTaR: Towards Financial Reasoning with Time Series Reasoning Models

FinSTaR：面向时间序列推理模型的金融推理

Seunghan Lee, Jun Seo, Jaehoon Lee, Sungdong Yoo, Minjae Kim, Tae Yoon Lim, Dongwan Kang, Hwanil Choi, Soonyoung Lee, Wonbin Ahn

机构 * LG AI Research（LG人工智能研究） 纠错

AI总结 针对时间序列推理模型在金融领域的失效问题，提出基于2x2能力分类法的FinSTaR模型，通过Compute-in-CoT和Scenario-Aware CoT策略在FinTSR-Bench基准上达到78.9%平均准确率。

Comments EMNLP Industry track 2026, KDD Workshop on SciSoc Agents & LLMs 2026 (Oral Presentation)

Speak-to-Structure: Evaluating LLMs in Open-domain Natural Language-Driven Molecule Generation

Speak-to-Structure：评估大语言模型在开放域自然语言驱动的分子生成中的表现

Jiatong Li, Junxian Li, Weida Wang, Yunqing Liu, Changmeng Zheng, Yatao Bian, Dongzhan Zhou, Xiao-yong Wei, Qing Li

机构 * Hong Kong Polytechnic University（香港理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 提出Speak-to-Structure基准，通过分子编辑、优化和定制生成任务评估大语言模型在开放域自然语言驱动分子生成中的创造性能力，并引入OpenMolIns指令微调数据集使Llama3.1-8B超越GPT-4o等模型。

Comments Accepted by KDD 2026. Our codes and datasets are fully accessible through the https://github.com/phenixace/S2-TOMG-Bench and https://huggingface.co/datasets/phenixace/S2-TOMG-Bench

Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD '26), 2026

Evaluating Skills, Not Just Agents: Agentic Continuous Evaluation of Skills

评估技能，而非仅评估智能体：智能体驱动的技能持续评估

Christopher Kevin, Narendran Raghavan, Jean-Francois Puget, Roshni Malani, Meghana Puvvadi, Moshe Abramovitch, Mohit Gupta, Rama Akkiraju, Subodh Prabhu, Yogesh Dangi, Wei Luo, Seong Hee Lee

机构 * NVIDIA（英伟达） 纠错

AI总结 该研究提出ACES框架，通过配对实际 trials等方式评估技能附加价值，实验表明其能发现扫描式审核无法观测的信号，开源实现已在NVIDIA SkillEvaluator中提供。

Comments 15 pages. Extended preprint incorporating versions accepted at Agent Skills '26 (ACM CAIS 2026) and the KDD 2026 Workshop on Enterprise AI Agents: From Prototypes to Production (oral presentation). Open-source implementation: https://github.com/NVIDIA/SkillEvaluator

Clarify-Then-Search: A Clarification Benchmark for Deep Search with End-to-End Nugget Restoration

先澄清再搜索：面向端到端 nugget 恢复的深度搜索澄清基准

Deqiang Huang, Jingbo Zhou, Xinjiang Lu, Tong Xu, Hua Wu, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Baidu Inc.（百度公司） 纠错

AI总结 该研究提出 Clarify-Then-Search 基准，评估 LLM 生成的澄清问题对深度搜索效用的提升，实验显示 k=1 时澄清优于基线，GPT-5.2 和 ERNIE-4.5-Turbo-128K 分别在 k=1、k=3 时表现最佳。

Comments Accepted to KDD 2026 Datasets and Benchmarks Track. 12 pages, 4 figures, 11 tables

PhotoBench: Beyond Visual Matching Towards Personalized Intent-Driven Photo Retrieval

PhotoBench: 超越视觉匹配，迈向个性化意图驱动的图片检索

Tianyi Xu, Rong Shan, Junjie Wu, Jiadeng Huang, Teng Wang, Jiachen Zhu, Wenteng Chen, Minxin Tu, Quantao Dou, Zhaoxiang Wang, Changwang Zhang, Weinan Zhang, Jun Wang, Jianghao Lin

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 PhotoBench 是首个基于真实个人相册构建的基准，旨在通过多源意图驱动推理提升个性化图片检索能力。

Comments Accepted by KDD'26 Benchmark track

STAR: Structured Tokenization and Target-Aware Interest Representation for PCVR Prediction

STAR：面向点击后转化率（PCVR）预测的结构化分词与目标感知兴趣表示

Yimeng Xu, Ruihao Zhang, Yingqi Song, Ying Jiang, Lan Ma

AI总结 针对KDD Cup 2026腾讯UniRec挑战赛，提出STAR框架，结合结构化分词与目标感知兴趣表示，经实验验证其各组件对PCVR预测的AUC有显著提升。

Comments Accepted to KDD Cup 2026. Code is available at: https://github.com/AIzealotwu/taac_26_academic_rank2_firstround_rank11_secondround

UniDot: A Unified Network for Sequence Modeling and Feature Interaction in Large-scale Recommendation

UniDot：用于大规模推荐中序列建模与特征交互的统一网络

Rongcheng Lin, Yan Sun, Jamey Zhang, Guanglei Xiong, Ivan Ji, Xianjie Chen, Shujian Bu

机构 * Meta 纠错

AI总结 UniDot是统一推荐系统中特征交互与序列建模的架构，经特定优化方法训练后，在TAAC KDD Cup 2026工业赛道获亚军。

Journal ref KDD 2026 UniRec Workshop

Temporal Graph Prototype-conditioned Conformal Prediction for Fraud Detection

面向欺诈检测的时序图原型条件共形预测

Xudong Chen, Shengbo Gong, Lu Cheng, Wei Jin

机构 * Emory University（埃默里大学） ； University of Illinois at Chicago（伊利诺伊大学芝加哥分校） 纠错

AI总结 针对时序图边级欺诈检测中现有共形预测器预测集低效的问题，提出ProtoCP框架，通过原型和邻域相对得分机制优化校准，在四个基准上实现目标覆盖率且预测集更小。

Comments Accpeted by KDD 2026