KDD

CEDAR: Controlled and Event-Driven Demand Forecasting via Residual Decomposition

CEDAR：基于残差分解的可控事件驱动需求预测

Junjie Meng, Ranxu Zhang, Zi-an Zhang, Shujun Liu, Xiaoning Qi, Xiaozhou Xu, Yanyong Zhang, Hui Xiong, Chao Wang

机构 * School of Artificial Intelligence and Data Science, University of Science and Technology of China（中国科学技术大学人工智能与数据科学学院） ； Alibaba Group（阿里巴巴集团） ； Thrust of Artificial Intelligence, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）人工智能学域） 纠错

AI总结 该研究针对现有时间序列预测方法对策略不敏感、反事实分析不可靠的问题，提出基于残差分解的两阶段框架CEDAR，在阿里1688数据集上验证其可提升模拟精度并助力预算规划。

Comments 12 pages, 4 figures, 5 tables. Published in KDD 2026

AgentWorld: Personality-Aware Reliability Evaluation for Agentic Information Retrieval

AgentWorld：面向智能体信息检索的人格感知可靠性评估

Gunja Agarwal, Arup Kumar Das, Arun Menon, Jitesh Chandra Mishra, Vignesh Divakaran

机构 * PayPal（贝宝） 纠错

AI总结 AgentWorld框架整合多模块，通过三类实验验证其可评估智能体信息检索的人格感知可靠性，能发现统一测试未暴露的故障模式及轨迹级脆弱性。

Comments Accepted at Agent4IR @ KDD 2026