KDD

CanniUplift: A Holistic Framework for Mitigating Seller and Incentive Cannibalization in E-commerce Uplift Modeling

CanniUplift：缓解电商增益建模中商家蚕食与激励蚕食的整体框架

Zuwang He, Shihao Shu, Yuli Qu, Hanyu Gao, Ziliang Zhang, Diwei Chen, Xiangda Yan, Buyu Gao, Tanchao Zhu, Yumeng Li, Junxiong Zhu

机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝及天猫集团） 纠错

AI总结 针对传统电商增益模型违反SUTVA的两类蚕食问题，提出含PGA、RDD和Treat-Attention的统一框架，实验与线上部署均验证其可显著提升平台增量GMV与ROI。

Comments Accepted to KDD 2026, 12 pages, 4 figures

Predicting Therapeutic Outcome via Aligning Patient-Specific Knowledge Graph and Gene-Level Perturbation Representations

通过对齐患者特异性知识图谱和基因水平扰动表示来预测治疗结果

Dongmin Bang, Sugyun An, Inyoung Sung, Ilho Yun, Sun Kim, Sangseon Lee

机构 * Interdisciplinary Program in Bioinformatics, Seoul National University（首尔国立大学生物信息学跨学科项目） ； AIGENDRUG Co., Ltd.（爱真药物有限公司） ； BK21 FOUR Intelligence Computing, Seoul National University（首尔国立大学BK21四号智能计算） ； Interdisciplinary Program in Artificial Intelligence, Seoul National University（首尔国立大学人工智能跨学科项目） ； Department of Artificial Intelligence, Inha University（仁荷大学人工智能系） 纠错

AI总结 针对临床响应标签和治疗后分子图谱稀缺阻碍治疗反应预测的问题，提出PREDIKTOR框架，结合个性化网络视图与可转移转录组扰动视图预测临床药物反应，提升性能并支持精准肿瘤学。

Comments 12 pages, 5 figures, 5 tables. Accepted at BIOKDD 2026, held in conjunction with ACM SIGKDD 2026

Optimus: A Generic Operator-Level PyTorch Model Transformation Framework

Optimus：一个通用的算子级PyTorch模型转换框架

Menglu Yu, Jiaqi Xu, Yuzhen Huang, Yanbo Liang, Jia Liu, Shuai Yang, Jason Ansel, Elias Ellison, Edward Yang, Brian Hirsh, Jia Chen Ren, Will Feng, Oguz Ulgen, Xu Zhao, Daohang Shi, Huaqing Xiong, Quanyu Zhu, Mingming Ding, Junqing Zhou, Ruilin Chen, Yuhang Yang, Chi-Keung Luk

AI总结 针对大规模工业应用中深度学习模型架构复杂多样、人工优化不可行的问题，介绍基于PyTorch 2.x的通用模型转换框架Optimus，用预定义模式和贪心搜索算法，可提升模型性能。

Journal ref In Proceedings of the 2026 ACM SIGKDD Conference on Knowledge Discovery and Data Mining

CoFEND: A Cross-Modal Fusion End-to-End Network for Cold-Start Drug-Drug Interaction Prediction

CoFEND：用于冷启动药物-药物相互作用预测的跨模态融合端到端网络

Di Wu, Hongyi Sun, Haichao Xu, Jia Chen, Zhong Chen, Jie Yang

机构 * College of Computer and Information Science, Southwest University（西南大学计算机与信息科学学院） ； Beihang University（北京航空航天大学） ； School of Computing, Southern Illinois University Carbondale（南伊利诺伊大学卡本代尔分校计算机学院） ； School of Physics and Electronic Science, Zunyi Normal University（遵义师范学院物理与电子科学学院） 纠错

AI总结 针对新药冷启动药物-药物相互作用预测难题，提出CMF-ELN。利用多模态信息构建知识图谱，设计图自动编码器融合跨模态相似性，采用两阶段可解释性方案，提升预测准确性与机制解释性。

Comments 11 pages, 2 figures, accepted by KDD 2026

LLMoxie: Exploring Agentic AI for Scientific Software Development

LLMoxie：探索用于科学软件开发的智能AI

Landung Setiawan, Anant Mittal, Cordero Core, Anshul Tambay, Carlos Garcia Jurado Suarez, David A. C. Beck, Andrew J. Connolly, Vani Mandava

机构 * eScience Institute University of Washington（eScience研究院华盛顿大学） 纠错

AI总结 研究针对科学软件开发中现有AI编码代理的不足，介绍LLMoxie平台及其插件生态系统，通过实践总结多域研究软件工程师中心采用智能AI的挑战、平台设计及操作经验，提升AI编码代理能力。

Comments 9 pages, 4 figures. Accepted to ACM SIGKDD 2026 Workshop: Agentic AI for Scientific and Societal Advances (SciSoc Agents and LLMs). Describes an agentic AI platform for scientific software engineering with governed multi-cloud inference, structured multiagent workflows, and domain-aware coding support (cs.SE, cs.MA, cs.AI)

When Outcome Looks Right But Discipline Fails: Trace-Based Evaluation Under Hidden Competitor State

当结果看似正确但纪律却失败：基于轨迹的评估在隐藏对手状态下的应用

Peiying Zhu, Sidi Chang

机构 * Blossom AI ； Blossom AI Labs（Blossom AI 实验室） 纠错

AI总结 本文提出了一种基于轨迹的评估方法，用于评估在隐藏对手状态下的行为纪律稳定性，通过轨迹诊断、机制分离和转移测试来改进强化学习策略，特别是在酒店定价和隐藏预算竞标任务中。

Comments Accepted to the KDD 2026 Workshop on Evaluation and Trustworthiness of Agentic AI

Beyond Task Completion: A Verification-vs.-Conformance Gap in Tool-Evolving Agents

EvolveTool-Bench：评估LLM生成的工具库作为软件 artifact 的质量

Alibek Kaliyev, Artem Maryanskyy

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Uber Technologies（优步科技公司） 纠错

AI总结 本文提出EvolveTool-Bench，通过评估LLM生成的工具库在软件工程流程中的质量，揭示任务完成率之外的软件质量风险，强调需将工具库视为首要软件 artifact。

Comments 11 pages, 4 figures; accepted at KDD 2026 Workshop on Agentic AI Evaluation and Trustworthiness