KDD

ProEx: A Unified Framework Leveraging Large Language Model with Profile Extrapolation for Recommendation

ProEx：一种利用大语言模型与特征外推的统一框架用于推荐

Yi Zhang, Yiwen Zhang, Yu Wang, Tong Chen, Hongzhi Yin

AI总结 ProEx通过多维度资料外推提升推荐系统性能，利用链式推理构建多样化的用户和物品资料，以增强推荐效果。

Comments Accepted by KDD 2026 (First Cycle)

Adversarial Signed Graph Learning with Differential Privacy

对抗性带符号图学习与差分隐私

Haobin Ke, Sen Zhang, Qingqing Ye, Xun Ran, Haibo Hu

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Research Centre for Privacy and Security Technologies in Future Smart Systems, PolyU（隐私与安全技术在未来智能系统中的研究中心，PolyU） 纠错

AI总结 本文提出ASGL方法，通过对抗学习和梯度扰动，在保护隐私的同时实现带符号图学习的高实用性。

Comments Accepted by SIGKDD 2026

M2NO: An Efficient Multi-Resolution Operator Framework for Dynamic Multi-Scale PDE Solvers

M2NO：一种高效的多分辨率运算框架用于动态多尺度PDE求解器

Zhihao Li, Zhilu Lai, Xiaobo Zhang, Wei Wang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Southwest Jiaotong University（西南交通大学） 纠错

AI总结 M2NO是一种高效的多分辨率运算框架，通过结合多网格结构和多小波空间，提升高维PDE求解的精度和效率，并在多种任务中表现优异。

Comments Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1 (KDD 2026)