KDD

HumanLLM: Towards Personalized Understanding and Simulation of Human Nature

HumanLLM: 向个性化理解与模拟人类本质迈进

Yuxuan Lei, Tianfu Wang, Jianxun Lian, Zhengyu Hu, Defu Lian, Xing Xie

机构 * University of Science and Technology of China（科学技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 HumanLLM通过构建大规模用户数据集和多阶段训练流程，实现了对个体认知与行为的个性化模拟，提升了社会智能和个性化应用的效果。

Comments 12 pages, 5 figures, 7 tables, to be published in KDD 2026

Communication-efficient Federated Graph Classification via Generative Diffusion Modeling

通过生成扩散建模实现高效的联邦图分类通信

Xiuling Wang, Xin Huang, Haibo Hu, Jianliang Xu

机构 * Hong Kong Baptist University（香港 Baptist 大学） ； Hong Kong Polytechnic University（香港 Polytechnic 大学） 纠错

AI总结 CeFGC通过生成扩散模型实现高效的联邦图分类，仅需三次通信轮次即可在非IID数据上提升GNN性能。

Journal ref In Proceedings of ACM SIGKDD Conference on Knowledge Discovery and Data Mining (SIGKDD), 2026

MCGrad: Multicalibration at Web Scale

MCGrad：大规模多校准

Niek Tax, Lorenzo Perini, Fridolin Linder, Daniel Haimovich, Dima Karamshuk, Nastaran Okati, Milan Vojnovic, Pavlos Athanasios Apostolopoulos

机构 * Meta Platforms, Inc.（Meta平台公司） ； Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） ； The London School of Economics and Political Science（伦敦政治经济学院） 纠错

AI总结 MCGrad是一种可扩展的多校准算法，无需显式指定受保护群体，提升了机器学习模型的性能指标。

Comments Accepted at KDD 2026