KDD

Four-Cycle Counting in Low-Degeneracy Graph Streams

低退化度图流中的四环计数

Sebastian Lüderssen, Stefan Neumann, Pan Peng

AI总结 提出两种基于子图采样的算法，分别使用两遍和一遍流式扫描，在低退化度图上实现四环数量的(1+ε)近似，空间复杂度达到理论最优或接近最优。

Comments KDD 2026

Minimizing Total Biharmonic Distance in Large Graphs via Link Recommendation

通过链接推荐最小化大型图中的总双调和距离

Xinna Zhou, Zhongzhi Zhang

AI总结 研究通过添加k条边最小化总双调和距离的问题，提出基于贪心算法和投影法、拉普拉斯求解器、凸包近似等技术的近线性时间算法，在真实数据集上验证了效率和有效性。

Comments This paper has been published in Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1

Handling Feature Heterogeneity with Learnable Graph Patches

处理特征异质性：可学习图块方法

Yifei Sun, Yang Yang, Xiao Feng, Zijun Wang, Haoyang Zhong, Chunping Wang, Lei Chen

机构 * Zhejiang University（浙江大学） ； Huazhong University of Science and Technology（华中科技大学） ； Finvolution Group（信也科技集团） 纠错

AI总结 提出可学习图块概念，将图分解为语义单元，通过补丁编码器和聚合器实现跨域图数据的可迁移预训练，提升下游任务性能。

Comments Accepted at KDD 2025

Towards Auditing AI Systems in the Wild

野外AI系统审计的探讨

Aditya T. Vadlamani, Anutam Srinivasan, Srinivasan Parthasarathy

AI总结 本文提出将AI系统审计视为在不确定性下监控约束违规的统计问题，强调开发全生命周期审计框架，以持续评估公平性、安全性等风险控制约束。

Comments Accepted to KDD 2026 (Blue Sky Ideas Track)

MapAgent: An Industrial-Grade Agentic Framework for City-scale Lane-level Map Generation

MapAgent: 一个工业级的城市规模车道级地图生成智能框架

Deguo Xia, Zihan Li, Haochen Zhao, Dong Xie, Yuyao Kong, Xiyan Liu, Jizhou Huang, Mengmeng Yang, Diange Yang

机构 * Tsinghua University（清华大学） ； Baidu（百度） ； University of Macau（澳门大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） 纠错

AI总结 提出MapAgent框架，通过结合视觉语言模型和约束感知推理，在验证驱动的Judge-Planner-Worker循环中修正车道地图生成中的规范违规问题，实现城市规模的高自动化生产。

Comments Accepted by KDD 2026

Evaluating Uplift Modeling under Structural Biases: Insights into Metric Stability and Model Robustness

评估结构偏差下的提升建模：对指标稳定性和模型鲁棒性的洞察

Yuxuan Yang, Dugang Liu, Yiyan Huang

机构 * College of Computer Science and Software Engineering（计算机科学与软件工程学院） ； Shenzhen University（深圳大学） ； School of Computing and Information Technology（计算与信息科技学院） ； Great Bay University（大湾大学） 纠错

AI总结 针对现实营销数据中的多种偏差，设计半合成基准框架，发现TARNet具有鲁棒性，且与ATE对齐的指标更稳定。

Comments Accepted by KDD 26

EqCollide: Equivariant and Collision-Aware Deformable Objects Neural Simulator

EqCollide: 等变且碰撞感知的可变形物体神经模拟器

Qianyi Chen, Tianrun Gao, Chenbo Jiang, Tailin Wu

机构 * Westlake University（西交大大学） ； Fudan University（复旦大学） ； Tongji University（同济大学） ； McGill University（麦吉尔大学） 纠错

AI总结 提出首个端到端等变神经场模拟器EqCollide，通过等变编码器和碰撞感知消息传递的图神经网络常微分方程，实现可变形物体碰撞的准确、稳定和可扩展模拟。

Comments SIGKDD 2026 Oral AI4S Track. 20 pages, 16 figures