KDD

How Many Tasks Are Enough for Agent Benchmark Decisions? A Replay Analysis of Public LLM Agent Benchmarks

多少任务足以做出智能体基准决策？对公共大语言模型智能体基准的重放分析

Wei-Jung Huang

AI总结 研究智能体基准测试中多少任务足以做决策，通过重放公共任务级记录，提出部分预算需满足支持完整基准决策、覆盖任务组及控制未解决比较比例等条件，还指出部分评估报告应包含的内容。

Comments KDD 2026 Workshop Agentic AI Evaluation and Trustworthiness

Proximity Features: Privacy-Compliant Cold-Start Personalization at Airbnb

邻近特征：爱彼迎（Airbnb）符合隐私规定的冷启动个性化推荐

Wei Jiang, Bin Xu, Hui Gao, Bharathi Thangamani, Weiwei Guo, Sundar Srinivasavaradhan, Tracy Yu, Huiji Gao, Michael Kinoti

机构 * Airbnb Inc.（爱彼迎公司） 纠错

AI总结 针对爱彼迎冷启动个性化推荐难题，引入基于地理IP数据和自适应聚类算法的邻近特征系统，无需个人标识符，在保护隐私的同时实现聚合用户信号生成，经实验验证能显著提升预订量。

Comments 8 pages, 3 figures, 2 tables. Accepted for poster presentation at the KDD 2026 Workshop on Two-sided Marketplace Optimization (TSMO 2026)

GRID: Grammar-Railed Decoding for Enterprise SQL Generation

GRID：用于企业SQL生成的语法约束解码

Mohsen Arjmandi

机构 * evolutionID GmbH（进化ID有限公司） 纠错

AI总结 研究针对企业SQL生成需求，提出GRID语法约束解码引擎，通过特定方式确定令牌掩码，编译角色访问控制，有四个保证。经实验，Rust内核降低掩码时间，在Spider上约束解码提升模型可执行率，还具备审计跟踪和篡改检测功能。

Comments 18 pages, 3 figures. Extended version; a condensed version is under review at KDD 2027