KDD

MixTTE: Multi-Level Mixture-of-Experts for Scalable and Adaptive Travel Time Estimation

MixTTE：多级专家混合模型用于可扩展和自适应的行程时间估计

Wenzhao Jiang, Jindong Han, Ruiqian Han, Hao Liu

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

AI总结 MixTTE通过多级专家混合模型整合链路级建模与工业级TTE系统，提升大规模交通预测的准确性和稳定性。

Comments Accepted to KDD 2026

Accelerating Storage-Based Training for Graph Neural Networks

加速基于存储的图神经网络训练

Myung-Hwan Jang, Jeong-Min Park, Yunyong Ko, Sang-Wook Kim

机构 * Hanyang University（翰江大学） ； Chung-Ang University（Chung-Ang 大学） 纠错

AI总结 AGNES通过块级存储I/O处理和超批次策略，提升大规模图神经网络训练效率，比现有方法快4.1倍。

Comments 10 pages, 12 figures, 2 tables, ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD) 2026