KDD

Improving ML Training Data with Gold-Standard Quality Metrics

提升机器学习训练数据的质量：基于黄金标准质量指标

Leslie Barrett, Michael W. Sherman

机构 * Google（谷歌） 纠错

AI总结 本文提出通过统计方法提升手工标注训练数据质量，证明多次标注迭代可提高数据质量，并指出标注者适应期可能不足以减少错误。

Journal ref In KDD '19: 25th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, August 05, 2019, Anchorage, AK

CoPHo: Classifier-guided Conditional Topology Generation with Persistent Homology

CoPHo：基于持续同调的分类器引导条件拓扑生成

Gongli Xi, Ye Tian, Mengyu Yang, Zhenyu Zhao, Yuchao Zhang, Xiangyang Gong, Xirong Que, Wendong Wang

机构 * School of Cyberspace Security, Beijing University of Posts and Telecommunications（网络安全学院，北京邮电大学） ； State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications（网络与交换技术国家重点实验室，北京邮电大学） ； School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts and Telecommunications（计算机学院（国家级试点软件工程学院），北京邮电大学） 纠错

AI总结 CoPHo通过持续同调和预训练分类器引导生成具有特定结构属性的拓扑图，优于现有方法并在分子数据集上验证了其可迁移性。

Comments Accepted by KDD 2026. 12 pages, 5 figures

GradMix: Gradient-based Selective Mixup for Robust Data Augmentation in Class-Incremental Learning

GradMix: 基于梯度的选取混合法用于类别增量学习中的鲁棒数据增强

Minsu Kim, Seong-Hyeon Hwang, Steven Euijong Whang

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

AI总结 GradMix是一种基于梯度的选取混合方法，用于减少类别增量学习中的灾难性遗忘，通过混合有益类对样本以提升模型性能。

Comments Accepted to KDD 2026

Self-Guided Diffusion Model for Accelerating Computational Fluid Dynamics

自引导扩散模型用于加速计算流体动力学

Ruoyan Li, Zijie Huang, Haixin Wang, Guancheng Wan, Yizhou Sun, Wei Wang

AI总结 本文提出SG-Diff模型，通过自引导和物理指导策略，提升对求解器生成低保真度输入的细尺度细节重建能力。

Journal ref Proc. 32nd ACM SIGKDD Conf. on Knowledge Discovery and Data Mining (KDD 2026)