Sampling Random Graphs from the Colored Configuration Model
从彩色配置模型中采样随机图
AI总结 提出彩色配置模型（CCM）作为顶点着色多重图的新零模型，通过保留彩色度矩阵（CDM）来固定节点的颜色同质性，并开发Sirius算法实现更快的混合采样，用于统计上合理的社交网络分析。
Comments Accepted to KDD 2026
期刊&会议
KDD
ACM SIGKDD Conference on Knowledge Discovery and Data Mining · 会议 · Data Mining
Online Irregular Multivariate Time Series Forecasting via Uncertainty-Driven Dual-Expert Calibration
在线不规则多变量时间序列预测：基于不确定性驱动的双专家校准
机构 * Key Laboratory of Big Data \& Artificial Intelligence in Transportation (Beijing Jiaotong University), Ministry of Education School of Computer Science ； Technology, Beijing Jiaotong University Beijing China ； School of Computer Science ； Tangshan Research Institute, Beijing Jiaotong University Tangshan China ； Key Laboratory of Big Data \& Artificial Intelligence in Transportation (Beijing Jiaotong University), Ministry of Education ； Technology, Beijing Jiaotong University ； Tangshan Research Institute, Beijing Jiaotong University
AI总结 针对在线不规则多变量时间序列预测中数据分布动态变化导致性能下降的问题，提出不确定性驱动的双专家校准框架Under-Cali，通过不确定性估计、双专家校准和自适应路由模块实现稳定高效的在线学习。
Comments Accepted by KDD 2026
Geometry-First Generative Spatial Single-Cell Reconstruction
几何优先的生成式空间单细胞重建
机构 * University of Central Florida（佛罗里达大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） ； Arizona State University（亚利桑那州立大学）
AI总结 提出GEARS框架，通过几何优先方法结合扩散模型和置换等变生成器，从单细胞RNA测序数据重建空间几何，无需细胞类型标签或组织学图像。
Comments 32nd SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)
Efficient Shapley-Based Influence Attribution in Social Networks
基于Shapley值的社交网络高效影响力归因
AI总结 针对社交网络中种子节点的事前影响力公平估计问题，提出基于Shapley值的归因框架，设计多项式时间算法（单步激活）和近似算法（IC模型及时间约束变体），并证明多步传播的#P-难性。
Comments 28 pages. Accepted at SIGKDD 2026. Full version with appendix
SilentRetrieval: Hijacking Retrieval-Augmented Generation via Semantically-Preserving Adversarial Data Poisoning
SilentRetrieval：通过语义保持的对抗性数据投毒劫持检索增强生成
机构 * City University of Hong Kong（香港城市大学）
AI总结 提出SilentRetrieval两阶段数据投毒攻击，通过协调束搜索和上下文自适应触发生成，在保持文档流畅性的同时实现高检索命中率和攻击成功率，并评估了防御措施的有效性。
Comments 12 pages, 4 figures, KDD '26 camera-ready version
Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26), August 09--13, 2026, Jeju Island, Republic of Korea
NUCLEUS-MoE: Unified Model of Pool Boiling for Liquid Cooling
NUCLEUS-MoE：池沸腾液冷统一模型
机构 * Department of Electrical Engineering and Computer Science（电气工程与计算机科学系） ； University of California, Irvine（加州大学 Irvine 分校）
AI总结 提出混合专家模型NUCLEUS，通过邻域注意力、符号距离场重初始化与专家路由，统一建模不同流体和工况下的池沸腾，实现零样本与小样本泛化。
Comments 12 pages, 9 figurs, KDD AI for Science
ClinicalAgents: Multi-Agent Orchestration for Clinical Decision Making with Dual-Memory
ClinicalAgents：具有双记忆的临床决策多智能体编排
机构 * The Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 提出ClinicalAgents多智能体框架，通过蒙特卡洛树搜索动态编排和双记忆架构模拟临床推理，显著提升诊断准确性和可解释性。
Comments Accepted to the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)
Integrating Inductive Biases in Transformers via Distillation for Financial Time Series Forecasting
通过蒸馏将归纳偏置整合到Transformer中用于金融时间序列预测
机构 * National Chengchi University（中华大学）
AI总结 提出TIPS框架，通过知识蒸馏将因果性、局部性和周期性等归纳偏置整合到统一Transformer中，在四个主要股票市场实现年化收益、夏普比率和卡尔玛比率分别提升55%、9%和16%，且推理计算量仅为38%。
Comments KDD 2026
FinTexTS: Financial Text-Paired Time-Series Dataset via Semantic-Based and Multi-Level Pairing
FinTexTS: 基于语义和多层级配对的金融文本-时间序列数据集
机构 * LG AI Research（LG人工智能研究所） ； Ulsan National Institute of Science and Technology（乌山国立科学技术研究院）
AI总结 提出基于语义和多层级配对的框架，从SEC文件和新闻中提取并匹配多层级文本信息，构建大规模文本配对的股票价格数据集FinTexTS，提升股价预测性能。
Comments 12 pages, KDD 2026, Datasets and Benchmarks Track
Moment Matters: Mean and Variance Causal Graph Discovery from Heteroscedastic Observational Data
矩重要：从异方差观测数据中发现均值和方差因果图
机构 * Communication Science Laboratories NTT, Inc. Kyoto Japan（通信科学实验室 东京电讯株式会社 京都 日本） ； NTT, Inc.（东京电讯株式会社）
AI总结 提出贝叶斯矩驱动因果发现框架，从异方差观测数据中分别推断均值和方差因果图，并实现结构特征的不确定性量化。
Comments Accepted at KDD 2026. This is the full version of the accepted paper. 17 pages, 6 figures
Revisiting Graph Autoencoders as Implicit Contrastive Learners
重新审视图自编码器作为隐式对比学习器
机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（教育部多媒体可信感知与高效计算重点实验室，厦门大学） ； Coupang Shanghai China（Coupang上海） ； Sun Yat-sen University（中山大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文通过对比学习视角重新审视图自编码器，揭示其隐式对比学习本质，并强调对比视图设计的关键作用，提出非对称子图视图作为重要设计维度。
Comments KDD 2026 research track. Code available at https://github.com/EdisonLeeeee/lrGAE
