KDD

Entrywise Error Bounds for Spectral Ranking with Semi-Random Adversaries

半随机对抗下谱排序的逐项误差界

Dongmin Lee, Anuran Makur, Japneet Singh

机构 * Department of Computer Science（计算机科学系） ； Elmore Family School of Electrical and Computer Engineering（埃洛姆家族电子与计算机工程学院） ； Purdue University（普渡大学） 纠错

AI总结 研究半随机对抗下谱排序算法的逐项误差，通过重新加权边恢复谱间隙，实现接近均匀采样图的渐近性能。

Comments 17 pages, 2 figures, 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2

Debiased Negative Mining Improves Out-of-distribution Detection with Pre-trained Vision-Language Models

去偏负挖掘提升基于预训练视觉语言模型的分布外检测

Bo Peng, Jie Lu, Guangquan Zhang, Zhen Fang

机构 * University of Technology Sydney（悉尼科技大学） 纠错

AI总结 针对分布外检测中负标签的假阴性问题，提出通过间接近似负标签分布来校正采样偏差的理论框架，并转化为基于ID标签和未标注语料数据的蒙特卡洛采样方法，在多种OOD检测设置中达到新最优。

Comments KDD 2026

STM3: Mixture of Multiscale Mamba for Long-Term Spatio-Temporal Time-Series Prediction

STM3: 多尺度曼巴混合模型用于长期时空时间序列预测

Haolong Chen, Liang Zhang, Zhengyuan Xin, Guangxu Zhu

机构 * Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 提出STM3模型，通过多尺度曼巴架构和分离式混合专家框架高效捕获长期时空依赖，在10个基准数据集上达到最优性能。

Comments Accepted by KDD 2026

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

Expand More, Shrink Less: Shaping Effective-Rank Dynamics for Dense Scaling in Recommendation

扩展更多，收缩更少：塑造有效秩动态以实现推荐中的密集扩展

Guoming Li, Shangyu Zhang, Junwei Pan, Wentao Ning, Jin Chen, Gengsheng Xue, Chao Zhou, Shudong Huang, Haijie Gu, Menglin Yang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Tencent Inc.（腾讯公司） ； Tencent Inc. Shenzhen China（腾讯公司深圳中国） 纠错

AI总结 针对推荐模型扩展中的嵌入坍缩问题，提出RankElastor架构，通过参数化全混合和GLU改进的P-FFN模块缓解有效秩的阻尼振荡，提升表示表达能力并实现稳健扩展。

Comments Accepted at the 32st ACM SIGKDD Conference on Knowledge Discovery and Data Mining (Research Track), KDD 2026 February Cycle

Cross-Domain Molecular Relational Learning: Leveraging Chemical Structure-Activity Analysis

跨域分子关系学习：利用化学结构-活性分析

Peiliang Zhang, Jingling Yuan, Shiqing Wu, Mengqing Hu, Chao Che, Yongjun Zhu, Lin Li

机构 * Wuhan University of Technology（武汉理工大学） ； Yonsei University（延世大学） ； Hubei Key Laboratory of Transportation Internet of Things（湖北省交通运输物联网重点实验室） ； State Key Laboratory of Silicate Materials for Architectures（建筑硅酸盐材料国家重点实验室） ； City University of Macau（澳门城市大学） ； Kyung Hee University（庆熙大学） ； Dalian University（大连大学） 纠错

AI总结 提出域对抗训练网络与结构语义迁移差异（DisTrans），通过结构-活性分析优化分子结构与视觉图像的跨域自适应表示，在跨域分子关系学习中优于16种基线方法。

Comments Accepted by SIGKDD 2026 Research Track

PLACE: Prompt Learning for Attributed Community Search in Large Graphs

PLACE：面向大规模图属性社区搜索的提示学习

Shuheng Fang, Kangfei Zhao, Rener Zhang, Yu Rong, Jeffrey Xu Yu

机构 * Shenzhen Institute of Computing Sciences（深圳计算科学研究院） ； Beijing Institute of Technology（北京理工大学） ； Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

AI总结 提出PLACE框架，利用图提示学习通过结构化和可学习提示令牌增强GNN，以识别与查询相关的结构凝聚性和属性相似性模式，并在9个真实图上平均F1分数提升22%。

Comments 14 pages, 9 figures

Journal ref KDD 2026

Spectral-inspired Operator Learning with Limited Data and Unknown Physics

光谱启发的少数据与未知物理下的算子学习

Han Wan, Rui Zhang, Hao Sun

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学光明学院人工智能学院） 纠错

AI总结 提出光谱启发神经算子（SINO），通过从频率索引自动捕获局部和全局空间导数，仅需2-5条轨迹即可建模复杂系统，无需显式PDE项，在2D和3D PDE基准上实现1-2个数量级的精度提升。

Comments To appear in KDD 2026