期刊&会议
ACM SIGKDD Conference on Knowledge Discovery and Data Mining · 会议 · Data Mining
EnergyMamba：一种用于能耗预测的具有不确定性感知的图增强选择性状态空间模型
机构 * Florida State University（佛罗里达州立大学）
AI总结 提出EnergyMamba框架，通过图增强选择性状态空间模型（GE-Mamba）和自适应序列分位数回归（AS-CQR）模块，实现时空联合建模与不确定性量化，在能耗预测中提升准确率约5%、不确定性量化约6%。
Comments Accepted by KDD 2026 AI4S
Regime-Adaptive Continual Learning for Portfolio Management
机构 * Southwestern University of Finance and Economics（西南财经大学） ； Shanxi University（山西大学）
AI总结 提出ReCAP框架，通过自适应制度检测和持续学习实现投资组合管理的快速适应与长期优异回报。
Comments Accepted by KDD 2026
BatteryMFormer：电池退化轨迹预测的多级学习
机构 * Sustainable Energy and Environment Thrust, The Hong Kong University of Science and Technology (Guangzhou)（可持续能源与环境方向，香港科学与技术大学（广州）） ； School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院） ； Data Science and Analytics Thrust, The Hong Kong University of Science and Technology (Guangzhou)（数据科学与分析方向，香港科学与技术大学（广州）） ； Material Genome Institute, Shanghai University（材料基因组研究所，上海大学）
AI总结 提出BatteryMFormer，一种多级Transformer模型，通过老化条件感知解码器、元退化模式记忆和双视角编码器，从早期数据预测电池全生命周期健康状态轨迹，在四个电池域上超越现有方法。
Comments Accepted by KDD 2026
敏捷在线模型选择：通过受保护的大学习率解决适应滞后
机构 * NEC Corporation（日本电报电话株式会社）
AI总结 提出一种乐观在线镜像下降算法，利用受保护的大学习率（高达Θ(T)）并引入事后惩罚机制，在非平稳环境中实现快速适应，同时保持近最优的遗憾界。
Comments Accepted to KDD 2026
重新思考异常检测中的弱监督：一个综合基准
机构 * Shanghai University of Finance and Economics（上海金融学院） ； Ant Group（蚂蚁集团） ； Key Laboratory of Interdisciplinary Research of Computation and Economics（计算与经济交叉学科重点实验室）
AI总结 提出WSADBench，首个统一评估不完全、不精确和不准确三种弱监督异常检测场景的基准，通过系统变化标签数量、粒度和质量，揭示36种算法在4种模态上的性能边界，并发现弱监督场景间存在强相关性、专用WSAD算法仅在极端标签稀缺时占优等关键洞察。
Comments Accepted at KDD 2026 Datasets and Benchmarks Track
UniNote: 一种用于多模态表示和排序的统一嵌入模型
机构 * Xiaohongshu Beijing China（小红书北京中国） ； Shanghai Jiao Tong University（上海交通大学） ； Huazhong University of Science and Technology（华中科技大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 提出UniNote统一嵌入模型，通过两阶段训练（对比SFT和强化学习）解决工业级Item-to-Item检索中全局表示与局部检索的平衡、解耦流水线效率及精度-延迟权衡问题，在小红书部署后显著提升检索质量和成本效率。
Comments Accepted by KDD Ads Track 2026
LC-ERD：通过一致性调节奖励分解挖掘潜在逻辑以实现自我进化推理
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiaotong University（上海交通大学） ； Fudan University（复旦大学）
AI总结 针对大语言模型推理中高质量过程数据稀缺的问题，提出LC-ERD框架，通过潜在逻辑挖掘和一致性调节的奖励分解，实现自我对齐与推理进化。
Comments Accepted in SIGKDD 2026 Research Track
面向LinkedIn招聘代理的分层长期语义记忆
机构 * LinkedIn Corporation（LinkedIn公司）
AI总结 提出分层长期语义记忆（HLTM）框架，通过构建模式对齐的记忆树，实现可扩展的语义知识摄入、隐私感知存储、低延迟检索和透明溯源，在LinkedIn招聘助手应用中使答案正确率提升超5%、检索F1提升超10%。
Comments Accepted to the Applied Data Science (ADS) track at the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)
参数化社会身份注入与多样化在舆论模拟中的应用
机构 * DCST, Tsinghua University（清华大学信息科技系） ； Quancheng Laboratory（泉城实验室） ； Tsinghua University（清华大学） ； Shandong China（山东中国）
AI总结 针对大语言模型在舆论模拟中社会多样性不足的问题，提出参数化社会身份注入（PSII）框架，通过向中间隐藏状态注入显式参数化的人口属性与价值取向表示，显著提升分布保真度与多样性。
Comments Accepted to KDD 2026 Research Track. Project page: https://github.com/halsayxi/PSII
Pinterest Canvas: Pinterest 的大规模图像生成系统
机构 * Pinterest, Inc.（Pinterest公司）
AI总结 本文提出 Pinterest Canvas，一个基于扩散模型的大规模图像生成系统，通过基础模型微调为特定任务（如背景增强和宽高比外扩）生成专用模型，并在线上实验中分别获得18.0%和12.5%的参与度提升。
Comments Accepted by KDD 2026 Applied Data Science Track
并行复数扩散用于可扩展时间序列生成
机构 * Institute of Cyber-Systems and Control（网络系统与控制研究所） ； Zhejiang University（浙江大学） ； Griffith University（格里菲斯大学） ； School of Mathematics（数学学院） ； Southeast University（东南大学） ； Squirrel Ai Learning
AI总结 提出PaCoDi（并行复数扩散）框架，通过离散傅里叶变换将时间序列分解到谱域，利用并行实值估计器替代复数估计器，解决时间序列生成中的纠缠问题，理论证明谱高斯噪声的正交性，并引入平均场理论近似处理边缘耦合，在无条件和条件生成任务中优于5个基线。
Comments Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26). Extended Version with Full Proofs
APEX-SQL: 通过智能体探索与数据对话实现Text-to-SQL
机构 * The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； LIGHTSPEED
AI总结 提出APEX-SQL框架，通过假设验证循环、逻辑规划、双路径剪枝、并行数据分析和确定性探索机制，解决静态模式表示在复杂企业数据库中的语义模糊和扩展性问题，在BIRD和Spider 2.0-Snow上取得领先性能。
Comments KDD 2026
量子统计物理中路径积分的强化学习
AI总结 提出一种两步强化学习方法，通过变分近似后精确计算欧几里得路径积分，从而获得量子系统的热密度矩阵、自由能等热力学量。
Comments Accepted to KDD 2026 AI4Sciences Track
超越端到端视频模型：基于LLM的多智能体系统用于教育视频生成
机构 * Baidu Inc.（百度公司）
AI总结 提出LASEV，一种基于LLM的分层多智能体系统，通过将教育视频生成分解为多个专业智能体协作，解决端到端模型在逻辑严谨性和知识表示方面的不足，实现低成本、高吞吐量的自动化教学视频生产。
Comments Accepted at ACM SIGKDD 2026 (KDD '26), Applied Data Science Track. 10 pages, 2 figures, 5 tables. The project is available at \url{https://robitsg.github.io/LASEV}
拓扑与文本同样重要：重新审视基于LLM的文本属性图分布外检测
机构 * Sun Yat-sen University（中山大学） ； Shandong University（山东大学）
AI总结 针对文本属性图分布外检测中拓扑与文本信息利用不足的问题，提出LG-Plug框架，通过对齐拓扑与文本表示并利用聚类迭代LLM提示生成共识驱动的OOD样本，有效提升检测性能。
Comments Accepted by SIGKDD 2026
LocalSearchBench：现实本地生活服务中的智能搜索基准测试
机构 * Meituan, Beijing, China（美团，北京，中国） ； East China Normal University Shanghai Innovation Institute（东华大学上海创新研究院） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学） ； North China University of Technology, Beijing, China（华北理工大学，北京，中国） ； East China Normal University Shanghai China（东华大学上海）
AI总结 针对本地生活服务领域，提出包含130万商家条目和900个多跳问答任务的基准测试LocalSearchBench，并开发统一环境LocalPlayground，实验表明现有大推理模型性能不足。
Comments 12 pages; accepted to KDD 2026
Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD 2026), August 9--13, 2026, Jeju Island, Republic of Korea. ACM, New York, NY, USA, 12 pages
从规模到结构化表达能力：重新思考用于CTR预测的Transformer
机构 * Alibaba Group（阿里巴巴集团）
AI总结 针对CTR预测中Transformer模型因结构错位导致收益递减的问题，提出Field-Aware Transformer (FAT)，通过场感知参数重构和基组合超网络实现结构化表达能力，在理论（Rademacher复杂度标度律）和实验（AUC提升+4.38%，线上CTR+2.33%，RPM+0.66%）上均优于现有方法。
Comments KDD 2026; The first four authors contributed equally to this work
利用离线策略估计在A/B测试中的相似性
机构 * Criteo AI Lab（Criteo AI实验室）
AI总结 本文提出利用离线策略估计方法，通过捕捉新旧系统决策倾向的相似性，构建一族A/B测试估计器，在保持无偏性的同时改善集中性质，提高统计效率。
Comments KDD '26
学习减少搜索空间以实现泛化的神经路由求解器
机构 * School of Automation and Intelligent Manufacturing（自动化与智能制造学院） ； Southern University of Science and Technology（南方科技大学） ； School of Mathematics and Statistics（数学与统计学学院） ； Xi'an Jiaotong University（西安交通大学） ； Department of Computer Science（计算机科学系） ； City University of Hong Kong（香港城市大学）
AI总结 提出首个基于学习的动态搜索空间缩减框架L2R，通过自适应剪枝节点来高效求解大规模车辆路径问题，在千万节点规模上保持高质量解。
Comments accepted by SIGKDD 2026
超越实例级对齐与均匀性：面向协同过滤的语义因子学习
AI总结 提出语义因子增强的对齐与均匀性框架（SaFeAU），通过语义因子路由、匹配和对齐，缓解假阴性问题并捕获高阶协同信号，在稀疏数据集上优于现有方法。
Comments Accepted by KDD 2026
通过数据为中心的编译对抗在线金融问答中的数值幻觉
机构 * Shenzhen Technology University（深圳科技大学） ； FiT, Tencent（腾讯金融科技部） ； South China University of Technology（华南理工大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Huazhong University of Science and Technology（华中科技大学） ； McGill University（麦吉尔大学）
AI总结 提出数据为中心推理编译器（DCRC），通过对抗数据构建、多阶段训练和编译执行推理流程，解决在线金融问答中检索增强生成面临的噪声敏感、计算脆弱和可审计性危机，实现可靠的数值推理。
Comments Accepted by KDD 2026 ADS track
AnchorSteer: 自发现概念注入用于结构保持的音乐编辑
机构 * National Taiwan University（国立台湾大学）
AI总结 提出AnchorSteer框架，通过结构锚定与自发现语义注入解耦语义-结构纠缠，实现高保真结构保持下的显著语义变换。
Comments Accepted by the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)
GraphARC：基于图的抽象推理综合基准
机构 * ETH Z\"urich Z\"urich Switzerland ； ETH Z\"urich
AI总结 提出GraphARC基准，将抽象推理扩展到图结构数据，通过少样本变换学习任务评估模型在局部、全局和层次图变换上的泛化能力，并揭示语言模型的理解-执行差距和规模扩展障碍。
Comments Accepted at KDD 2026 Datasets and Benchmarks Track
AbstainGNN：教会图神经网络在图分类中弃权
机构 * Institute of Information Engineering, Chinese Academy of Sciences（信息工程研究所，中国科学院） ； School of Mathematics and Statistics, Shandong University（数学与统计学学院，山东大学） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（数学与系统科学学院，中国科学院） ； School of Information and Intelligent Science, Donghua University（信息与智能科学学院，东华大学） ； TikTok, ByteDance Inc.（TikTok，字节跳动公司） ； School of Cyber Science and Engineering, Wuhan University（网络安全与工程学院，武汉大学） ； Cyberspace Institute of Advanced Technology, Guangzhou University（空域技术高级研究所，广州大学） ； Griffith University（格里菲斯大学）
AI总结 提出AbstainGNN框架，通过理论驱动的弃权机制让GNN在不确定时拒绝预测，避免错误决策，并基于PAC-Bayes理论优化分类与弃权权衡。
Comments Accepted at KDD 2026
SemStruct: 利用结构信息对语义嵌入进行上下文化以实现模式匹配
机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； IBM Research（IBM研究院）
AI总结 提出SemStruct框架，通过将冻结的预训练语言模型与图神经网络的结构归纳偏置相结合，利用行级共现关系作为结构信息，在模式匹配任务中实现最先进性能。
Comments Accepted to KDD 26 Research Track
EHRBench: 基于电子健康记录的自动化可靠临床决策基准测试，用于大语言模型
机构 * Emory University（埃默里大学） ； Stanford University（斯坦福大学）
AI总结 提出EHRBench，通过EHR-LLM-KB交互流水线自动构建近百万问答对，涵盖诊断、治疗和预后三大临床决策任务，系统评估30余种LLM的性能与鲁棒性。
Comments Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026), Datasets and Benchmarks Track, Oral
基于混合专家知识图谱检索增强生成的多智能体LLM推荐系统
AI总结 提出MixRAGRec框架，通过混合专家检索、知识偏好对齐和对比学习增强推荐，解决KG-RAG中检索粒度单一、结构信息丢失和端到端学习困难问题。
Comments Accepted by KDD 2026 Research Track
破碎的记忆：通过退化生成检测和缓解扩散模型中的记忆化
机构 * Fudan University（复旦大学） ； East China University of Science and Technology（东华大学）
AI总结 本文首次发现扩散模型中的记忆化会导致内部数值不稳定性并表现为视觉“破碎”伪影，基于此提出了一种基于潜变量更新范数的经验稳定区域来量化稳定行为，并设计了一个即时的逐步骤检测与自适应缓解框架，在不改变提示或引导的情况下抑制记忆化，在Stable Diffusion 1.4上实现了AUC>0.999的检测性能和0.0%的记忆化率。
Comments KDD 2026, extended version
基于最小充分表示学习的大语言模型领域特定数据合成
机构 * vivo AI Lab（vivo人工智能实验室） ； Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学）
AI总结 提出DOMINO框架，通过对比解耦学习最小充分领域表示，指导生成领域对齐的合成数据，在隐式领域定义下提升微调性能。
Comments Accepted by KDD 2026
原生层次与组合表示：基于子空间嵌入
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出用线性子空间替代向量表示概念，通过子空间维度与包含关系自然建模层次与组合性，并引入可微软投影矩阵实现端到端训练，在层次推理和自然语言推理任务上达到最优性能。
Comments 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