KDD

Large Language Model-Powered Query-Driven Event Timeline Summarization in Industrial Search

工业搜索中基于大语言模型的查询驱动事件时间线摘要

Mingyue Wang, Xingyu Xie, Hang Yang, Li Gao, Lixin Su, Ge Chen, Dawei Yin, Daiting Shi

机构 * Baidu Inc.（百度公司） 纠错

AI总结 提出QDET系统，通过多任务微调和强化学习实现查询驱动的事件时间线摘要，在百度搜索中显著提升用户参与度。

Comments Accepted at KDD 2026

Beyond Holistic Models: Systematic Component-level Benchmarking of Deep Multivariate Time-Series Forecasting

超越整体模型：深度多变量时间序列预测的系统性组件级基准测试

Shuang Liang, Chaochuan Hou, Xu Yao, Shiping Wang, Hailiang Huang, Songqiao Han, Minqi Jiang

机构 * Shanghai University of Finance and Economics（上海财经大学） ； Key Laboratory of Interdisciplinary Research of Computation and Economics（交叉计算与经济学交叉学科实验室） 纠错

AI总结 提出TSCOMP基准，通过正交实验分解深度预测方法的核心组件，揭示其有效性并构建性能语料库，实现零样本模型构建，优于手工复杂架构。

Comments accepted by KDD 2026 Datasets and Benchmarks Track

Generalized Range Filtering Approximate Nearest Neighbor Search: Containment and Overlap [Technical Report]

广义范围过滤近似最近邻搜索：包含与重叠 [技术报告]

Yingfan Liu, Tong Wu, Jiadong Xie, Yang Zhao, Jeffrey Xu Yu, Jiangtao Cui

AI总结 针对带有数值范围属性的向量，提出多段树图方法，支持任意范围-范围谓词（包含、重叠等）的近似最近邻搜索，在保持索引大小和构建时间与现有方法相当的同时，实现了高达12.5倍的加速。

Comments The paper has been accepted by KDD 2026

On the Push-Based Asynchronous Federated Learning: A Bias-Correction Aggregation Approach

基于推送的异步联邦学习：一种偏差校正聚合方法

Jiahui Bai, Hai Dong, A. K. Qin

机构 * School of Computer Technologies, RMIT University（RMIT大学计算机技术学院） ； School of Science, Computing and Engineering Technologies, Swinburne University of Technology（斯威丁大学科学与工程技术学院） 纠错

AI总结 提出PushCen-ADFL框架，通过中心表示空间中的平均保持推-求和混合与轻量级中心正则化，解决异步去中心化联邦学习中的通信开销、聚合偏差和模型漂移问题。

Comments Accepted at the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026). This is the extended version with full appendix

PhyGHT: Physics-Guided HyperGraph Transformer for Signal Purification at the HL-LHC

PhyGHT：面向HL-LHC信号净化的物理引导超图Transformer

Mohammed Rakib, Luke Vaughan, Shivang Patel, Flera Rizatdinova, Alexander Khanov, Atriya Sen

机构 * Department of Computer Science（计算机科学系） ； Department of Physics（物理系） 纠错

AI总结 提出PhyGHT混合架构，结合距离感知局部图注意力和全局自注意力，并引入可解释的物理约束堆叠抑制门（PSG），以在极端堆积碰撞噪声下准确重建顶夸克对信号的能量和质量修正因子。

Comments Accepted by KDD 2026

Hi-SAM: A Hierarchical Structure-Aware Multi-modal Framework for Large-Scale Recommendation

Hi-SAM: 一种面向大规模推荐的分层结构感知多模态框架

Pingjun Pan, Tingting Zhou, Peiyao Lu, Tingting Fei, Hongxiang Chen, Chuanjiang Luo

机构 * Netease Cloud Music（网易云音乐） 纠错

AI总结 针对多模态推荐中语义ID离散化存在的次优分词和架构-数据不匹配问题，提出Hi-SAM框架，通过解耦语义分词器和分层记忆-锚点Transformer，在冷启动场景下显著提升推荐性能。

Comments Accepted at ACM KDD 2026 ADS

Authorship Attribution in the Era of LLMs: Problems, Methodologies, and Challenges

LLM时代的作者身份归属：问题、方法与挑战

Baixiang Huang, Canyu Chen, Kai Shu

AI总结 本文系统综述了LLM时代作者身份归属的四个代表性问题和挑战，包括人类文本归属、LLM生成文本检测、LLM生成文本归属以及人机合著文本归属，并探讨了泛化性和可解释性等关键问题。

Comments ACM SIGKDD Exploration. 12 pages. Additional resources, including a regularly updated list of related papers, and LLM-generated text detectors, are available at https://llm-authorship.github.io