期刊&会议
ACM SIGKDD Conference on Knowledge Discovery and Data Mining · 会议 · Data Mining
FinStressTS: 金融时间序列预测的参数化合成基准
机构 * National University of Singapore（新加坡国立大学） ； Asian Institute of Digital Finance（亚洲数字金融研究所） ； Nanyang Technological University（南洋理工大学）
AI总结 针对金融预测中信号弱、机制复杂的问题，提出FinStressTS合成基准，通过30个诊断环境系统评估15种模型在点预测与概率预测上的表现，揭示模型性能对数据机制的依赖性。
Comments KDD 2026 (Oral)
StepFinder：多智能体系统中故障归因的时间语义框架
机构 * Peking University（北京大学）
AI总结 提出StepFinder框架，通过将执行日志编码为时间语义序列并利用时序建模与注意力模块，高效准确地定位多智能体系统中的故障根因步骤。
Comments 12 pages, 5 figures. Accepted by KDD 2026
HyperPatch: n元结构漂移下的顺序知识编辑
机构 * National Yang Ming Chiao Tung University
AI总结 针对非平稳环境中n元事件顺序更新引发的结构漂移问题，提出HyperPatch框架，通过超图流形上的稳定性建模，实现参数保留的知识编辑，在MQuAKE-CF和MQuAKE-T基准上分别取得96.24%和21.06%的跳步准确率相对提升。
Comments Accepted to Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)
学习何时何地连接：图上动态消息传递的自适应虚拟节点
机构 * School of Computing, KAIST（计算机学院，韩国科学技术院） ； Department of AI Computing, KAIST（人工智能计算系，韩国科学技术院）
AI总结 提出MAVN框架，通过端到端可微分的方式自适应地决定在消息传递神经网络的哪一层为哪些节点引入虚拟节点，并基于双向评分机制建立连接，理论证明其能模拟任意节点-虚拟节点连接模式，实验表明在多个数据集上显著提升骨干网络性能。
Comments 12 pages, 6 figures, 10 tables, 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)
智取变色龙：针对直播风险评估中战术性OOD偏移的反事实解耦
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； ByteDance China（字节跳动中国）
AI总结 针对直播中恶意行为者通过战术性分布偏移（Tactical OOD Shift）规避检测的问题，提出基于潜在因果的反事实解耦框架LPCD，通过潜在层建模意图与叙事变化并强制潜在反事实一致性，实现鲁棒的风险评估。
Comments Accepted by KDD'26
NBQ: 动态画像中的下一最佳问题
机构 * National University of Singapore（国立新加坡大学） ； University of Pennsylvania（宾夕法尼亚大学） ； EvenUp
AI总结 提出NBQ框架，通过自适应选择信息增益最大的问题，从对话中动态构建用户画像，并引入QuickMatch加速双向匹配。
Journal ref KDD 2026
SL-BiLEM: 用于预测和政策评估的结构化可学习行为循环流行病模型
机构 * Faculty of Computing, Harbin Institute of Technology（计算学院，哈尔滨工业大学）
AI总结 提出SL-BiLEM模型，通过物理约束正则化实现鲁棒外推，在政策干预导致的分布偏移下预测准确率提升76%，并支持反事实分析。
Comments ACM SIGKDD 2026
结构线索能否拯救LLM？评估大规模文档流中的语言模型
机构 * Boston University（波士顿大学） ； Korea University（韩国大学）
AI总结 本文提出StreamBench基准，通过主题聚类、时序问答和摘要任务评估语言模型在混合多事件的文档流中的表现，发现结构线索能提升聚类和时序QA性能，但时序推理仍是挑战。
Comments KDD 2026
X-RAY: 通过形式化与校准探针映射大语言模型推理能力
机构 * National University of Singapore（新加坡国立大学）
AI总结 提出X-RAY系统，利用形式化工具生成结构可控的校准探针，通过分析约束交互、推理深度和解空间几何等属性，揭示LLM在约束细化与解空间重构下的推理不对称性。
Comments Accepted by KDD 2026
基于核心的高效图RAG层次结构
机构 * University at Buffalo（布法罗大学）
AI总结 针对图RAG中Leiden聚类不可复现的问题，提出用k-core分解替代，构建确定性、密度感知的层次结构，并设计轻量级启发式方法，在保证连接性的同时降低LLM成本，提升答案全面性和多样性。
Comments Accepted at the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)
谁的名字出现？II：基于基准测试和干预审计的LLM学者推荐系统
机构 * Complexity Science Hub Vienna（维也纳复杂性科学中心） ； Universitat Politècnica de València（巴塞罗那理工大学） ； Inria Rennes（里昂国家信息与自动化研究所）
AI总结 提出LLMScholarBench基准，通过温度变化、表示约束提示和检索增强生成等干预措施审计22个LLM在物理专家推荐中的技术质量和社会代表性，发现干预措施带来不同权衡。
Comments In Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26). 30 pages: 11 pages in main (6 figures, 1 table), 19 pages in appendix (22 figures, 2 tables)
揭示检索增强生成中的竞争性投毒攻击
AI总结 针对检索增强生成系统，研究多个攻击者同时投毒以争夺同一查询目标的问题，提出竞争有效性指标和PoisonArena框架。
Comments Accepted by KDD 2026. Project page: https://poison-arena.github.io/
Journal ref KDD 2026
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