期刊&会议
ACM SIGKDD Conference on Knowledge Discovery and Data Mining · 会议 · Data Mining
深度旅行：用于自主旅行规划智能体的端到端智能强化学习框架
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Didichuxing Co. Ltd（滴滴出行有限公司）
AI总结 研究针对旅行规划智能体灵活性和自主性不足问题，提出深度旅行框架，通过构建旅行沙盒、开发分层奖励建模系统及回复增强强化学习方法，使训练后的智能体在行程生成准确率和性能上表现出色。
Comments KDD 2026
PiPNN：超可扩展的基于图的最近邻索引
AI总结 提出PiPNN图构建算法，通过HashPrune在线剪枝和分治策略，实现比现有方法快11.6-12.9倍的索引构建速度，并首次在单机上20分钟内完成十亿级数据集的高质量近似最近邻索引构建。
Comments To appear at KDD'26
Ocean-E2E：基于混合物理和数据驱动的全球极端海洋热浪端到端神经同化预测
AI总结 研究聚焦全球极端海洋热浪端到端预测，创建混合框架Ocean-E2E，基于物理性质通过端到端数据同化及模拟相关作用提高预测能力，能进行端到端和区域高分辨率预测，优于现有模型，为气候极端事件预测提供框架。
Comments Accepted by KDD 2026
AnchorMoE: 基于锚点路由的混合专家模型实现可解释时间序列分类
机构 * School of Automation, Guangdong University of Technology（广东工业大学自动化学院） ； School of Computer Science and Technology, Guangdong University of Technology（广东工业大学计算机科学与技术学院） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； School of Informatics, Xiamen University（厦门大学信息学院） ； State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University（东北大学过程工业综合自动化国家重点实验室） ； Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系）
AI总结 提出AnchorMoE框架，利用混合专家架构对局部补丁进行多视角表示并路由至专门专家，通过加性分解实现前向可解释性，并引入几何正交约束和不确定性感知门控机制提升稀疏信号下的分解可靠性与噪声抑制。
Comments Accepted by KDD 2026
张量方法：一种统一且可解释的材料设计方法
机构 * University of California, Riverside（加州大学河滨分校） ； Dept. of Computer Science & Engineering（计算机科学与工程系） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； Materials Engineering Division（材料工程 division） ； Data Science Institute（数据科学研究所）
AI总结 提出使用张量补全方法作为材料设计的统一框架，兼具可解释性和预测性能，在非均匀采样下优于传统机器学习，最高提升5%的R²并减半分布外误差。
Comments To appear in the ACM SIGKDD 2026 AI for Sciences track
Journal ref KDD '26: Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2, 2026, pp. 11740-11749
用于脑电图解码的相关矩阵切片Wasserstein框架
机构 * Westlake University（西湖大学） ； School of Artificial Intelligence and Computer Science（人工智能与计算机科学学院） ； Jiangnan University（江南大学） ； Sun Yat-sen University（中山大学）
AI总结 提出基于拉回欧几里得度量的切片Wasserstein框架，实例化两种相关矩阵切片Wasserstein差异，并构建脑电图解码的域泛化方法，在三个数据集上验证了分布偏移下的泛化能力提升。
Comments Accepted by KDD 2026
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
机构 * Blossom AI ； Blossom AI Labs（Blossom AI 实验室）
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
EvolveTool-Bench：评估LLM生成的工具库作为软件 artifact 的质量
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）
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
MixFormer: 在工业推荐系统中协同扩展稠密与序列
AI总结 提出MixFormer统一Transformer架构，联合建模序列行为与特征交互，通过统一参数化实现稠密容量与序列长度的协同扩展，并引入用户-物品解耦策略提升工业实用性。
Comments Accepted by KDD 2026
Think-Before-Speak: 从内部评估到多智能体社会模拟中的公开表达
机构 * Michigan State University（密歇根州立大学） ； Hankuk University of Foreign Studies（韩国民法大学）
AI总结 提出TBS框架，通过分离智能体的内部推理与公开话语生成，模拟从内部评估到公开表达的路径，并在气候政策讨论中验证其机制敏感性。
Comments 8 pages of main content, 14 pages including references and appendices, 3 figures. Accepted to the KDD'26 Workshop on SciSoc Agents & LLMs
知识图谱中的图到图语义相似度测量：知识图谱嵌入的实证评估
机构 * Sungkyunkwan University（成均馆大学）
AI总结 本文通过构建语义匹配数据集，比较基于文本、结构和知识图谱嵌入的方法，提出EmbPairSim和AvgEmbSim评分函数，实验表明EmbPairSim在参数更少的情况下优于Sentence-BERT。
Comments 9 pages, 2 figures, 6 tables. Accepted as a poster at The 2nd Frontiers in Graph Machine Learning for the Large Model Era (GMLLM'26) Workshop, co-located with KDD 2026
APAO：面向生成式推荐的自适应前缀感知优化
AI总结 针对生成式推荐中训练与推理不一致的问题，提出自适应前缀感知优化框架，通过前缀级损失和自适应最差前缀优化策略，提升模型在束搜索下的候选保留能力。
Comments Accepted by KDD'26
解释带有隐藏群体奖励的排名
AI总结 针对敏感属性隐藏但通过群体特定线性奖励影响排名的问题，提出基于约束满足和自动推理的算法，联合推断线性评分参数和潜在群体奖励，并证明问题在一般情况下的NP难性及固定维度下的多项式可解性。
Comments Accepted at KDD 2026 Research Track
ReplicatorBench：用于社会科学和行为科学中可复制性评估的LLM代理基准测试
机构 * University of Notre Dame（圣母大学） ； Old Dominion University（老道明大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； Independent Researcher（独立研究员） ； Uppsala University（乌普萨拉大学） ； Center for Open Science（开放科学中心）
AI总结 本文提出ReplicatorBench，一个端到端的基准测试，用于评估AI代理在可复制性研究中的能力，涵盖数据提取、实验设计与结果解释三个阶段，并开发了ReplicatorAgent框架以评估不同LLM和编程语言的性能。
Comments Accepted to KDD 2026 AI4Sciences Track, Camera-ready version
非结构化度假租赁图像集合中的房间场景发现与分组
机构 * Expedia Group（Expedia集团）
AI总结 针对度假租赁平台图片缺乏结构化分类的问题，提出一种低延迟、样本高效的机器学习流水线，通过监督式房间类型检测、重叠检测和聚类算法实现房间分组，并利用多模态大语言模型识别床型，显著优于对比学习和预训练嵌入聚类方法。
Comments Presented at the Two-sided Marketplace Optimization Workshop, KDD 2025
使用线性上下文赌博机学习同伴影响概率
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
AI总结 针对网络环境中同伴影响概率的异质性问题，提出基于线性上下文赌博机的在线学习框架，揭示遗憾最小化与估计误差之间的权衡，并设计可调参数的不确定性引导探索算法实现任意权衡点。
Journal ref In Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26), August 09-13, 2026, Jeju Island, Republic of Korea. ACM, New York, NY, USA, 12 pages
基于稀疏MLP值向量的免训练真实性检测
机构 * Beijing Institute of Technology（北京理工大学）
AI总结 提出TruthV方法，利用MLP值向量中稀疏子集的稳定方向性信号，无需训练即可检测LLM生成内容的真实性，在多个基准上超越现有免训练方法。
Comments KDD 2026 Oral
利用数据驱动AI揭示复合洪水的内在机制
机构 * Florida International University（佛罗里达国际大学） ； Florida State University（佛罗里达州立大学） ； UIUC（伊利诺伊大学香槟分校） ； University of Houston（休斯顿大学） ； NEC Lab America（NEC美国实验室） ； Singapore Management University（新加坡管理大学）
AI总结 通过整合潮汐、降雨、地下水位和人类水管理活动，利用数据驱动方法分析南佛罗里达复合洪水，发现地下水位是主要预测因子，空间耦合状态比长期时间依赖更重要。
Comments Accepted to SIGKDD 2026 AI for Science Track; 12 Pages, 5 Figures, 6 Tables
通过保结构训练稳定物理信息一致性模型
机构 * Institute of Artificial Intelligence Innovation（人工智能创新研究所） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； Department of Applied Mathematics（应用数学系） ； National Center for Theoretical Sciences（理论科学研究中心） ； National Taiwan University（国立台湾大学）
AI总结 提出物理信息一致性建模框架，通过保结构两阶段训练策略和两步残差目标，解决物理约束下一致性训练的不稳定性，实现快速、高保真的PDE求解。
Comments Accepted to KDD 2026
Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26), August 09--13, 2026, Jeju Island, Republic of Korea
SCI-PRM：用于科学推理验证的工具感知过程奖励模型
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Shanghai AI Lab（上海人工智能实验室） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Sichuan University（四川大学） ； Tongji University（同济大学）
AI总结 针对科学推理中工具使用和事实一致性问题，提出Sci-PRM模型，通过构建包含工具链轨迹的数据集SCIPRM70K并训练过程奖励模型，在测试时扩展和强化学习中提供细粒度监督，提升基础模型性能。
Comments Accepted by KDD 2026 AI4Science Track
奖励科学过程：面向代理数据分析的过程级奖励建模
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团）
AI总结 本文提出DataPRM，一种环境感知的生成过程奖励模型，通过主动验证和反思意识的三元奖励策略，提升动态数据分析任务中代理的性能，实验表明其在多个基准测试中表现优异。
Comments KDD 2026
压缩简单问题，探索困难问题：面向高效LLM推理的难度感知熵正则化
机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； College of Computer Science and Technology（计算机科学与技术学院） ； Didichuxing Co. Ltd（滴滴出行有限公司）
AI总结 提出CEEH方法，通过难度感知的熵正则化，在强化学习中对简单问题压缩推理长度，对困难问题保持探索空间，从而在减少响应长度的同时维持推理准确性。
Comments Accepted to KDD 2026
ECGFlowCMR: 利用心电图生成电影心脏磁共振的预训练助力心脏病分类和表型预测
机构 * School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Polytechnic Institute of Zhejiang University, Zhejiang University（浙江大学 polytechnic 院） ； Institute of Computing Technology, University of the Chinese Academy of Sciences（中国科学院计算技术研究所） ； National Institute of Health Data Science, Peking University（北京大学健康数据科学国家研究院） ； Institute of Microelectronics, University of the Chinese Academy of Sciences（中国科学院微电子研究所） ； Department of Cardiology, Zhejiang University（浙江大学心内科部）
AI总结 提出ECGFlowCMR框架，通过相位感知掩码自编码器和解剖运动解耦流解决ECG与CMR的跨模态时序错配和解剖可观测性差距，生成逼真电影CMR序列，提升下游心脏病分类和表型预测性能。
Comments Accepted to KDD 2026
CrediBench: 构建用于信息完整性的网络规模数据集
机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； University of Oxford（牛津大学） ； University of California, Berkeley（加州大学伯克利分校） ； AITHYRA Research Institute（AITHYRA研究院） ； Université de Montréal（蒙特利尔大学）
AI总结 针对现有数据集忽略网络拓扑、时序和文本内容等关键模态的问题，提出包含八个月网络图数据的CrediBench数据集，支持回归和分类任务，多模态模型显著提升性能。
Comments 16 pages,4 figures
Journal ref KDD 2026
层次化对抗性赌博机用于在线配置优化
机构 * NVIDIA ； Ben-Gurion University of the Negev（贝纳-约纳大学） ； Bar-Ilan University（巴伊兰大学）
AI总结 针对动态参数空间的在线配置优化，提出层次化框架ABoB，通过聚类分解配置空间加速学习，在真实存储系统上性能提升高达50%，理论证明最坏情况界为O(√kT)，有利条件下可加速至O(k^{1/4}√T)。
Comments Paper was accepted to ACM SIGKDD 2026
委员会智慧：来自大型基础模型和领域专家的多样化蒸馏
机构 * Rice University（Rice大学） ； Google DeepMind（谷歌DeepMind） ； Google Inc（谷歌公司） ； University of California, Davis（加州大学戴维斯分校）
AI总结 针对基础模型向紧凑领域模型蒸馏时能力、架构和模态差异大的问题，提出DiverseDistill框架，通过可学习的问答机制和对齐异构教师输出，在推荐和视觉任务上恢复73-114%的性能差距。
Comments Accepted at the 1st Workshop on Resource-Efficient Learning and Knowledge Discovery (RelKD), KDD 2026
Journal ref Proceedings of the International Workshop on Resource-Efficient Learning and Knowledge Discovery (RelKD), KDD 2026
FinSTaR：面向时间序列推理模型的金融推理
机构 * LG AI Research（LG人工智能研究）
AI总结 针对时间序列推理模型在金融领域的失效问题，提出基于2x2能力分类法的FinSTaR模型，通过Compute-in-CoT和Scenario-Aware CoT策略在FinTSR-Bench基准上达到78.9%平均准确率。
Comments KDD Workshop on SciSoc Agents & LLMs 2026 (Oral Presentation)
SciHorizon-GENE：从基因知识到功能理解的生命科学推理基准测试
机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） ； University of the Chinese Academy of Sciences（中国科学院大学） ； DUKE-NUS Medical School, National University of Singapore（新加坡国立大学杜克-新加坡医学学校） ； Singapore Immunology Network, Agency for Science, Technology and Research（新加坡免疫网络，科技研究局）
AI总结 针对大语言模型在基因级推理能力上的不足，构建了包含超过19万个人类基因和54万问题的基准SciHorizon-GENE，从研究关注敏感性、幻觉倾向、答案完整性和文献影响力四个生物学关键维度评估模型，揭示了模型在生成忠实、完整且基于文献的功能解释方面的持续挑战。
Comments Accepted by SIGKDD 2026. 12 pages
MapAgent: 一个工业级的城市规模车道级地图生成智能框架
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）
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
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
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）
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
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