期刊&会议
ACM SIGKDD Conference on Knowledge Discovery and Data Mining · 会议 · Data Mining
动态谱去噪与全局上下文注意力在多行为推荐中的应用
AI总结 针对多行为推荐中行为依赖噪声和异质性导致的表示级瓶颈，提出动态特征级谱滤波和全局上下文注意力融合的SpectraMB模型，实现表示净化与可靠性感知融合。
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
TimeBlocks: 基础与持续时间序列块库——扩展版本
机构 * Aalborg University, Denmark（奥尔堡大学，丹麦） ； University of Amsterdam Netherlands（阿姆斯特丹大学，荷兰） ； East China Normal University China（华东师范大学，中国） ； Aalborg University Denmark（奥尔堡大学，丹麦） ； Hong Kong University of Science（香港科学大学）
AI总结 提出TimeBlocks方法，通过可互换的模块化模型块和路由策略，构建轻量级、多任务的时间序列模型，并引入StreamCore实现持续校准，在多个数据集上优于现有基线。
Comments 15 pages. An extended version of "TimeBlocks: Versatile and Continual Time-Series Blockbase" accepted at SIGKDD 2026
G2LoRA: 面向文本属性图的梯度正交低秩自适应框架用于图持续学习
机构 * School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Department of Statistics, Columbia University（哥伦比亚大学统计系） ； College of Computer Science, Beijing University of Technology（北京理工大学计算机学院）
AI总结 针对LLM-as-Aligner模型在文本属性图持续学习中的灾难性遗忘问题，提出G2LoRA框架，通过统一图-文本对齐目标、类别感知梯度投影和梯度幅度调制，实现任务间正向迁移并缓解模态漂移。
Comments Accepted by KDD 2026
纵向数据中罕见事件的可扩展反事实风险估计
机构 * University of Connecticut Storrs（康涅狄格大学斯托尔分校） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
AI总结 针对纵向生存数据中罕见事件导致的类不平衡和计算负担问题，提出一种可扩展的子采样与重加权策略，应用于ICE等因果效应估计器，在保持一致性的同时提高稳定性。
Comments Accepted at KDD-2026, 12 pages
FlowTime: 基于流的个性化先验实现连续生成式观看时间预测
机构 * Fudan University（复旦大学） ； Shanghai University of Finance and Economics（上海财经大学） ； Kuaishou Technology（快手科技） ； Tongji University（同济大学）
AI总结 针对现有观看时间预测方法在范式上的局限性，提出连续生成式回归范式及FlowTime方法，利用一步生成变分自编码器和基于流的个性化先验，有效建模多模态用户-物品交互模式，显著提升预测性能。
Comments Accepted by KDD'26
TravelEval：评估基于LLM的旅行规划代理的综合基准框架
机构 * Zhejiang University（浙江大学） ； Hong Kong Polytechnic University（香港理工大学） ； Southeast University（东南大学） ； HKUST (GZ) & HKUST Guangzhou（香港科技大学（广州）& 香港科技大学（广州））
AI总结 针对现有基准过度关注约束合规、缺乏真实性和多维评估的问题，提出TravelEval，通过六维评估框架、真实数据沙盒和模拟全局评估方法，全面评估LLM在旅行规划中的表现。
Comments 31pages, 8 figures, accepted by KDD 2026
ProductWebGen: 多模态产品网页生成基准测试
机构 * School of Computer Science & Zhiyuan College（计算机科学学院及智远学院） ； Shanghai Jiao Tong University（上海交通大学） ； Kuaishou Technology（快手科技）
AI总结 提出ProductWebGen基准，用于评估多模态生成模型从产品图像和指令生成一致产品展示网页的能力，并比较了基于编辑和基于统一模型两种工作流。
Comments Accepted by KDD 2026
PolySpeech-100：面向100多种语言和方言的大规模语音理解基准
机构 * Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； JD AI Research（京东人工智能研究院）
AI总结 为解决现有语音评估基准在资源丰富语言偏向、缺乏语义推理和忽视方言的问题，提出PolySpeech-100基准，通过混合构建管道覆盖110种语言变体，并评估22个模型，发现开源端到端模型在重方言上优于级联系统，而思维链提示在零样本设置下会降低性能。
Comments 19 pages, 13 figures, KDD 2026
先验引导的多组学Transformer用于单细胞基因调控网络推断
机构 * Elmore Family School of Electrical and Computer Engineering（埃尔莫夫家庭电气与计算机工程学院） ； Purdue University（普渡大学） ； Department of Horticulture and Landscape Architecture（园艺与景观建筑系） ； School of Biological Sciences（生物科学学院）
AI总结 提出EpiAwareNet框架，通过先验引导的多组学Transformer，结合基因-峰值交叉注意力模块和批量数据先验，从配对单细胞数据中重建基因调控网络。
Comments 12 pages, 6 figures. Accepted to the KDD 2026 AI4Sciences Track
MemGraphRAG：基于记忆的多智能体系统用于图检索增强生成
机构 * Xiamen University（厦门大学） ； Jilin University（吉林大学）
AI总结 提出MemGraphRAG框架，通过基于记忆的多智能体系统构建高质量知识图谱，并设计记忆感知的分层检索算法，在多个基准上超越现有模型。
Comments Accepted by KDD 2026
医学预测模型中选择偏差影响的一个实用上界
机构 * Stanford University（斯坦福大学）
AI总结 针对选择偏差导致模型泛化性差的问题，提出在仅部分观测选择机制和目标分布的现实条件下，对目标群体最差模型性能的一个新上界，并通过合成数据和真实数据验证其有效性和实用性。
Comments 32 pages, 27 figures, will be published at ACM SIGKDD '26
基于日志的状态机引导的多关系合成数据用于异常检测
AI总结 提出从日志中恢复执行状态机并诱导多表关系模式，生成保留结构、时间和过程约束的合成数据，以增强异常检测性能。
Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD 2026)
EnergyMamba：一种用于能耗预测的具有不确定性感知的图增强选择性状态空间模型
机构 * Florida State University（佛罗里达州立大学）
AI总结 提出EnergyMamba框架，通过图增强选择性状态空间模型（GE-Mamba）和自适应序列分位数回归（AS-CQR）模块，实现时空联合建模与不确定性量化，在能耗预测中提升准确率约5%、不确定性量化约6%。
Comments Accepted by KDD 2026 AI4S
Regime-Adaptive Continual Learning for Portfolio Management
机构 * Southwestern University of Finance and Economics（西南财经大学） ； Shanxi University（山西大学）
AI总结 提出ReCAP框架，通过自适应制度检测和持续学习实现投资组合管理的快速适应与长期优异回报。
Comments Accepted by KDD 2026
BatteryMFormer：电池退化轨迹预测的多级学习
机构 * Sustainable Energy and Environment Thrust, The Hong Kong University of Science and Technology (Guangzhou)（可持续能源与环境方向，香港科学与技术大学（广州）） ； School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院） ； Data Science and Analytics Thrust, The Hong Kong University of Science and Technology (Guangzhou)（数据科学与分析方向，香港科学与技术大学（广州）） ； Material Genome Institute, Shanghai University（材料基因组研究所，上海大学）
AI总结 提出BatteryMFormer，一种多级Transformer模型，通过老化条件感知解码器、元退化模式记忆和双视角编码器，从早期数据预测电池全生命周期健康状态轨迹，在四个电池域上超越现有方法。
Comments Accepted by KDD 2026
敏捷在线模型选择：通过受保护的大学习率解决适应滞后
机构 * NEC Corporation（日本电报电话株式会社）
AI总结 提出一种乐观在线镜像下降算法，利用受保护的大学习率（高达Θ(T)）并引入事后惩罚机制，在非平稳环境中实现快速适应，同时保持近最优的遗憾界。
Comments Accepted to KDD 2026
重新思考异常检测中的弱监督：一个综合基准
机构 * Shanghai University of Finance and Economics（上海金融学院） ； Ant Group（蚂蚁集团） ； Key Laboratory of Interdisciplinary Research of Computation and Economics（计算与经济交叉学科重点实验室）
AI总结 提出WSADBench，首个统一评估不完全、不精确和不准确三种弱监督异常检测场景的基准，通过系统变化标签数量、粒度和质量，揭示36种算法在4种模态上的性能边界，并发现弱监督场景间存在强相关性、专用WSAD算法仅在极端标签稀缺时占优等关键洞察。
Comments Accepted at KDD 2026 Datasets and Benchmarks Track
UniNote: 一种用于多模态表示和排序的统一嵌入模型
机构 * Xiaohongshu Beijing China（小红书北京中国） ； Shanghai Jiao Tong University（上海交通大学） ； Huazhong University of Science and Technology（华中科技大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 提出UniNote统一嵌入模型，通过两阶段训练（对比SFT和强化学习）解决工业级Item-to-Item检索中全局表示与局部检索的平衡、解耦流水线效率及精度-延迟权衡问题，在小红书部署后显著提升检索质量和成本效率。
Comments Accepted by KDD Ads Track 2026
LC-ERD：通过一致性调节奖励分解挖掘潜在逻辑以实现自我进化推理
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiaotong University（上海交通大学） ； Fudan University（复旦大学）
AI总结 针对大语言模型推理中高质量过程数据稀缺的问题，提出LC-ERD框架，通过潜在逻辑挖掘和一致性调节的奖励分解，实现自我对齐与推理进化。
Comments Accepted in SIGKDD 2026 Research Track
面向LinkedIn招聘代理的分层长期语义记忆
机构 * LinkedIn Corporation（LinkedIn公司）
AI总结 提出分层长期语义记忆（HLTM）框架，通过构建模式对齐的记忆树，实现可扩展的语义知识摄入、隐私感知存储、低延迟检索和透明溯源，在LinkedIn招聘助手应用中使答案正确率提升超5%、检索F1提升超10%。
Comments Accepted to the Applied Data Science (ADS) track at the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)
参数化社会身份注入与多样化在舆论模拟中的应用
机构 * DCST, Tsinghua University（清华大学信息科技系） ； Quancheng Laboratory（泉城实验室） ； Tsinghua University（清华大学） ； Shandong China（山东中国）
AI总结 针对大语言模型在舆论模拟中社会多样性不足的问题，提出参数化社会身份注入（PSII）框架，通过向中间隐藏状态注入显式参数化的人口属性与价值取向表示，显著提升分布保真度与多样性。
Comments Accepted to KDD 2026 Research Track. Project page: https://github.com/halsayxi/PSII
Pinterest Canvas: Pinterest 的大规模图像生成系统
机构 * Pinterest, Inc.（Pinterest公司）
AI总结 本文提出 Pinterest Canvas，一个基于扩散模型的大规模图像生成系统，通过基础模型微调为特定任务（如背景增强和宽高比外扩）生成专用模型，并在线上实验中分别获得18.0%和12.5%的参与度提升。
Comments Accepted by KDD 2026 Applied Data Science Track
并行复数扩散用于可扩展时间序列生成
机构 * Institute of Cyber-Systems and Control（网络系统与控制研究所） ； Zhejiang University（浙江大学） ； Griffith University（格里菲斯大学） ； School of Mathematics（数学学院） ； Southeast University（东南大学） ； Squirrel Ai Learning
AI总结 提出PaCoDi（并行复数扩散）框架，通过离散傅里叶变换将时间序列分解到谱域，利用并行实值估计器替代复数估计器，解决时间序列生成中的纠缠问题，理论证明谱高斯噪声的正交性，并引入平均场理论近似处理边缘耦合，在无条件和条件生成任务中优于5个基线。
Comments Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26). Extended Version with Full Proofs
APEX-SQL: 通过智能体探索与数据对话实现Text-to-SQL
机构 * The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； LIGHTSPEED
AI总结 提出APEX-SQL框架，通过假设验证循环、逻辑规划、双路径剪枝、并行数据分析和确定性探索机制，解决静态模式表示在复杂企业数据库中的语义模糊和扩展性问题，在BIRD和Spider 2.0-Snow上取得领先性能。
Comments KDD 2026
量子统计物理中路径积分的强化学习
AI总结 提出一种两步强化学习方法，通过变分近似后精确计算欧几里得路径积分，从而获得量子系统的热密度矩阵、自由能等热力学量。
Comments Accepted to KDD 2026 AI4Sciences Track
超越端到端视频模型：基于LLM的多智能体系统用于教育视频生成
机构 * Baidu Inc.（百度公司）
AI总结 提出LASEV，一种基于LLM的分层多智能体系统，通过将教育视频生成分解为多个专业智能体协作，解决端到端模型在逻辑严谨性和知识表示方面的不足，实现低成本、高吞吐量的自动化教学视频生产。
Comments Accepted at ACM SIGKDD 2026 (KDD '26), Applied Data Science Track. 10 pages, 2 figures, 5 tables. The project is available at \url{https://robitsg.github.io/LASEV}
拓扑与文本同样重要：重新审视基于LLM的文本属性图分布外检测
机构 * Sun Yat-sen University（中山大学） ； Shandong University（山东大学）
AI总结 针对文本属性图分布外检测中拓扑与文本信息利用不足的问题，提出LG-Plug框架，通过对齐拓扑与文本表示并利用聚类迭代LLM提示生成共识驱动的OOD样本，有效提升检测性能。
Comments Accepted by SIGKDD 2026
LocalSearchBench：现实本地生活服务中的智能搜索基准测试
机构 * Meituan, Beijing, China（美团，北京，中国） ； East China Normal University Shanghai Innovation Institute（东华大学上海创新研究院） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学） ； North China University of Technology, Beijing, China（华北理工大学，北京，中国） ； East China Normal University Shanghai China（东华大学上海）
AI总结 针对本地生活服务领域，提出包含130万商家条目和900个多跳问答任务的基准测试LocalSearchBench，并开发统一环境LocalPlayground，实验表明现有大推理模型性能不足。
Comments 12 pages; accepted to KDD 2026
Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD 2026), August 9--13, 2026, Jeju Island, Republic of Korea. ACM, New York, NY, USA, 12 pages
从规模到结构化表达能力：重新思考用于CTR预测的Transformer
机构 * Alibaba Group（阿里巴巴集团）
AI总结 针对CTR预测中Transformer模型因结构错位导致收益递减的问题，提出Field-Aware Transformer (FAT)，通过场感知参数重构和基组合超网络实现结构化表达能力，在理论（Rademacher复杂度标度律）和实验（AUC提升+4.38%，线上CTR+2.33%，RPM+0.66%）上均优于现有方法。
Comments KDD 2026; The first four authors contributed equally to this work
利用离线策略估计在A/B测试中的相似性
机构 * Criteo AI Lab（Criteo AI实验室）
AI总结 本文提出利用离线策略估计方法，通过捕捉新旧系统决策倾向的相似性，构建一族A/B测试估计器，在保持无偏性的同时改善集中性质，提高统计效率。
Comments KDD '26
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈