KDD

Toward User-Conditioned Evaluation of Personal LLM Agents under Temporal Interventions

面向时间干预下个人语言模型代理的用户条件评估

Pin Qian, Su Wang, Yihang Chen, Qiaolin Yu, Xiaoyuan Wang, Zhitong Guo, Zhicheng Wang, Junxian You

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Cornell University（康奈尔大学） ； University of Glasgow（格拉斯哥大学） 纠错

AI总结 研究个人语言模型代理在时间干预下的用户条件评估，提出需在不同用户条件状态下重放时间干预并测量故障传播的协议，形式化四个条件，审查发现无满足条件的公开协议，进而提出最小基准设计和候选报告指标。

Comments 9 pages, 2 figures, and 8 tables. Accepted for oral presentation at the ACM SIGKDD KDD 2026 Workshop on Personal Intelligence in the Agentic AI Era (PILA 2026)

AISE-Bench: A Full-Cycle Curated Benchmark for Information Seeking on Academic Knowledge Graphs

AISE-Bench：用于学术知识图谱信息检索的全周期精选基准测试

Fanjin Zhang, Zhengyang Wang, Ruixuan Huang, Kefan Zhang, Amy Xin, Yuanchun Wang, Shu Zhao, Evgeny Kharlamov, Jie Tang, Juanzi Li

机构 * Renmin University of China（中国人民大学） ； Anhui University（安徽大学） ； Z-Lab Z.ai ； Tsinghua University（清华大学） ； Bosch Center for AI（博世人工智能中心） ； University of Oslo（奥斯陆大学） 纠错

AI总结 研究针对学术知识图谱信息检索基准测试不足的问题，引入AISE-Bench，通过定制工作流程和综合评估协议构建基准测试，为多步API使用的大语言模型智能体提供新测试平台，助力评估与改进。

Comments 9 pages, accepted by KDD 2026

Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD '26), August 09-13, 2026, Jeju Island, Republic of Korea

Search-on-Graph: Iterative Informed Navigation for Large Language Model Reasoning on Knowledge Graphs

图上搜索：面向知识图谱的大语言模型推理的迭代式知情导航

Jia Ao Sun, Hao Yu, Fabrizio Gotti, Fengran Mo, Yihong Wu, Yuchen Hui, Zhan Su, Lingfeng Xiao, Jian-Yun Nie

机构 * Université de Montréal（蒙特利尔大学） ； McGill University（麦吉尔大学） ； Digital Media, CBC（数字媒体，CBC） ； Halmstad University College（哈姆斯塔德大学学院） ； University of Waterloo（滑铁卢大学） 纠错

AI总结 提出Search-on-Graph方法，通过让大语言模型自身基于知识图谱结构和完整推理历史选择关系路径，遵循观察-思考-导航范式，在六个KGQA基准上超越现有方法，无需任务特定微调。

Comments Accepted to KDD '26 (32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining)

Guardrails as Scapegoats: Auditing Unfaithful Safety Refusals in Tool-Augmented LLM Agents

作为替罪羊的护栏：审计工具增强型大语言模型智能体中不忠实的安全拒绝行为

Aarushi Singh

AI总结 研究工具增强型大语言模型智能体安全拒绝行为审计问题，引入轻量级黑盒审计框架，将智能体响应分类。实验发现伪造行为占主导，不忠实安全拒绝行为在基线时少，增强安全语言会显著增加该行为，还提出检测方法及治理影响。

Comments 10 pages, 3 figures. Accepted at the ACM KDD 2026 Workshop on Evaluation and Trustworthiness of Agentic AI

Advancing Multimodal Fusion on Heterogeneous Medical Data with Hybrid Geometry Attention

利用混合几何注意力推进异构医学数据上的多模态融合

Joy Dhar, Manish Kumar Pandey, Nayyar Zaidi, Chen Chen, Maryam Haghighat, Ferdous Sohel, Puneet Goyal

机构 * Indian Institute of Technology Ropar（印度理工学院罗帕尔分校） ； RoentGen Health（伦琴健康公司） ； Deakin University（迪肯大学） ； University of Central Florida（中佛罗里达大学） ； Queensland University of Technology（昆士兰科技大学） ； Murdoch University（莫道克大学） 纠错

AI总结 针对异构医学数据多模态融合难题，提出CURE框架，通过HyFuse层及相关模块逐步整合模态，有效捕捉跨模态交互，降低计算成本，在多数据集上评估显示其性能显著提升，优于领先方法。

Comments ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)

Trajectory-Aware Clinical Risk Prediction via Severity-Grounded Knowledge Graphs and Retrieval-Augmented Generation

通过基于严重程度的知识图谱和检索增强生成进行轨迹感知临床风险预测

Kyunghoon Jeon, Youmin Ko, Woohwan Jung, Hyunjoon Kim

机构 * Hanyang University（汉阳大学） ； Korea University（韩国大学） 纠错

AI总结 针对利用EHRs预测临床风险的挑战，提出TRACER框架，通过构建含严重程度信息的知识图谱、检索患者进展路径、提取临床事件及用相似病例增强患者背景来预测风险，在相关数据集实验中相比基线有显著提升。

Comments Accepted to KDD 2026

Deep-learning Causal Retrieval Optimization for Efficient e-commerce Distribution in Pinterest

用于Pinterest中高效电子商务分发的深度学习因果检索优化

Junpeng Hou, XianXing Zhang, Sai Xiao, Derek Cheng, Darren Reger, Olafur Gudmundsson, Mehdi Ben Ayed, Zhiqing Rao, Huizhong Duan

机构 * Pinterest, Inc.（Pinterest公司） 纠错

AI总结 研究在Pinterest中如何高效分发电子商务内容，通过深度多任务模型学习个性化和情境化触发策略，结合双稳健伪结果训练及随机数据记录等方法，实现早期检索优化，大幅减少购物触发，提升会话数和保存数，节省成本。

Comments Accepted at KDD '26: The 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining

Vectorizing the Trie: Efficient Constrained Decoding for LLM-based Generative Retrieval on Accelerators

将尝试矢量化：为基于LLM的生成检索在加速器上实现高效的受限解码

Zhengyang Su, Isay Katsman, Yueqi Wang, Ruining He, Lukasz Heldt, Raghunandan Keshavan, Shao-Chuan Wang, Xinyang Yi, Mingyan Gao, Onkar Dalal, Lichan Hong, Ed Chi, Ningren Han

机构 * Yale University（耶鲁大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 STATIC通过矢量化技术实现高效受限解码，显著提升基于LLM的生成检索性能。

Comments KDD 2026 camera-ready

C$^2$KV: Compressed and Composable KV Cache Reuse for Efficient LLM Inference

C$^2$KV：用于高效大语言模型推理的压缩可组合键值缓存重用

Chuheng Du, Junyi Chen, Hanlin Tang, Kan Liu, Tao Lan, Lin Qu, Chaoyue Niu, Shengzhong Liu, Guihai Chen, Fan Wu

机构 * Alibaba Group（阿里巴巴集团） 纠错

AI总结 研究针对长上下文LLM推理成本高问题，提出C$^2$KV框架，联合优化KV提取与推理拼接，学习可组合压缩的KV缓存流形，引入轻量级边车提取器及协同训练策略，显著降低缓存成本，实现推理加速并保持生成质量。

Comments 12 pages, 9 figures, accepted by ACM SIGKDD 2026

Node4All: Learning Node Representation Beyond Datasets

Node4All：超越数据集学习节点表示

Dooho Lee, Jaemin Yoo

机构 * KAIST（韩国科学技术院） ； Seoul National University（首尔国立大学） 纠错

AI总结 研究针对多数节点表示学习方法依赖特定数据集训练的问题，提出Node4All，基于通道图变换器和自监督学习构建，能跨任意图数据集泛化，在节点分类任务中表现出色，实现可复用性且实践效果好。

Comments Accepted to KDD 2026

Trust but Verify? Uncovering the Security Debt of Autonomous Coding Agents

信任但要验证？揭示自主编码代理的安全债务

A H M Nazmus Sakib, Dipayan Banik, Murtuza Jadliwala

AI总结 本文利用AIDev数据集，通过大语言模型评判框架和人工分析，研究自主编码代理生成拉取请求中的安全代码异味。发现38.9%的请求含安全异味，供应链问题和硬编码凭证占比高，揭示了安全风险及开发者警惕性降低问题，强调需实施上下文感知安全护栏。

Comments Accepted at the KDD 2026 Workshop on Agentic Software Engineering (AgenticSE)

From Evidence to Trajectory: Abductive Reasoning Path Synthesis for Retrieval-Augmented Generation Agents Development

从证据到轨迹：用于检索增强生成智能体开发的溯因推理路径合成

Muzhi Li, Jinhu Qi, Yihong Wu, Minghao Zhao, Liheng Ma, Yifan Li, Xinyu Wang, Zhenghan Tai, Zixing Song, Yingxue Zhang, Ho-fung Leung, Irwin King

机构 * The Chinese University of Hong Kong, Sha Tin, NT, Hong Kong（香港中文大学） ； Université de Montréal, Montréal, Quebéc, Canada（蒙特利尔大学） ； McGill University, Montréal, Quebéc, Canada（麦吉尔大学） ； Mila - Quebéc AI Institute, Montréal, Quebéc, Canada（魁北克AI研究院） ； Huawei Noah’s Ark Lab, Montréal, Quebéc, Canada（华为诺亚实验室） 纠错

AI总结 针对检索增强生成智能体开发缺乏可执行轨迹问题，提出EviPath范式，通过溯因子任务规划、忠实子问题回答、对话微调三个阶段合成推理路径，实验表明基于此训练的模型在开放域问答中显著优于基线。

Comments KDD 2026 Research Track

Field-Aware RankMixer with Dual-Stream Bilinear Fusion for the Tencent UNI-REC Challenge

用于腾讯 UNI-REC 挑战赛的双流双线性融合场感知排序混合器

Yufeng Zhang, Zhengqi Xu, Jiajun Cui

机构 * Meituan（美团） 纠错

AI总结 针对腾讯 UNIREC 挑战赛中多域用户行为序列和多字段特征联合建模预测目标广告 pCVR 的任务，提出带双流双线性融合的场感知排序混合器，经实验在官方排行榜排第九。

Comments 5 pages, 4 figures, KDD Cup 2026 Tencent UNIREC Challenge

Don't Predict, Prioritize: Rethinking GPU Reliability Assessment

不要预测，进行优先级排序：重新思考GPU可靠性评估

Difeng Ma, Changhua Pei, Yuanwei Lu, Quan Zhou, Zexin Wang, Yibo Zhu, Daxin Jiang, Dan Pei, Jingjing Li, Gaogang Xie

AI总结 研究针对GPU可靠性评估难题，传统预测方法受限，提出HeaRank排序学习框架按相对故障风险对节点排序，在生产集群评估中表现优异，能有效捕获未来故障，凸显风险感知调度和主动资源管理在GPU集群中的重要性。

Comments Accepted at ACM SIGKDD 2026; 13 pages, 13 figures

Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)

Early Adoption of Agentic Coding Tools by GitHub Projects

GitHub项目对智能编码工具的早期采用

Maliha Noushin Raida, Daqing Hou

机构 * Rochester Institute of Technology（罗切斯特技术学院） 纠错

AI总结 研究GitHub项目对智能编码工具的早期采用情况，通过分析大量智能PR，探究采用情况、项目生产力及协作模式，发现多数仓库采用少，小项目参与度高，生产力差异大，人机协作以单人监督为主，为相关管理提供实证依据。

Comments Accepted at the KDD 2026 Workshop on Agentic Software Engineering (SE 3.0)

NodeImport: Imbalanced Node Classification with Node Importance Assessment

NodeImport：基于节点重要性评估的不平衡节点分类

Nan Chen, Zemin Liu, Bryan Hooi, Bingsheng He, Jun Hu, Jia Chen

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Grabtaxi Holdings Pte Ltd（Grab出租车控股私人有限公司） 纠错

AI总结 针对图节点分类的类别不平衡问题，提出利用平衡元集评估节点重要性的方法，推导公式并开发新框架，能过滤有价值节点，构建高质量元集，实验证明该框架在缓解不平衡上具优越性。

Journal ref KDD '25: Proceedings of the 31st ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1, 2025, Pages 94 - 105

Multi-Agent Collaborative Reasoning with Tool-Augmented Evidence for Urban Region Profiling

基于工具增强证据的多智能体协作推理用于城市区域剖析

Xixuan Hao, Yutian Jiang, Jiabo Liu, Yihang Yang, Guangyin Jin, Song Gao, Yuxuan Liang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Washington（华盛顿大学） ； Chang’an University（长安大学） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 研究针对城市区域剖析问题，提出UrbanAgent框架，通过多智能体协作推理解决跨模态不一致，将指标预测扩展为闭环过程，经实验验证其性能优于现有基线，在未见城市设置中有强泛化性。

Comments Accepted by KDD 2026

When Rubrics Change: Cross-Rubric Generalization for Critical Thinking Essay Scoring

当评分标准改变时：批判性思维作文评分的跨评分标准泛化

Nischal Ashok Kumar, Payu Wittawatolarn, Sana Kang, Marisa C. Peczuh, Blair Lehman, Ryan Baker, Caitlin Mills, Sherry Lachman, Ruochen Sun, Andrew Lan

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Minnesota（明尼苏达大学） ； Brighter Research（更光明研究公司） ； Adelaide University（阿德莱德大学） 纠错

AI总结 研究跨评分标准泛化问题，采用含评分标准无关中间表示和目标作文监督的大语言模型微调框架，在增强数据集上实验，结果表明基于特征的中间结构和受控监督可提升对未见过评分标准的泛化能力。

Comments Published in AI for Education Day at SIGKDD 2026

Rethinking Multimodal Fusion for Time Series: Text Modalities Need Constrained Fusion

重新思考时间序列的多模态融合：文本模态需要受约束的融合

Seunghan Lee, Jun Seo, Jaehoon Lee, Sungdong Yoo, Minjae Kim, Tae Yoon Lim, Dongwan Kang, Hwanil Choi, SoonYoung Lee, Wonbin Ahn

机构 * LG AI Research（LG人工智能研究） 纠错

AI总结 针对多模态时间序列预测中朴素融合方法效果不佳的问题，提出受约束融合方法及受控融合适配器（CFA），通过低秩适配器过滤无关文本信息，在多种数据集和模型上验证了有效性。

Comments KDD Workshop on Mining and Learning from Time Series 2026 (Oral presentation)

Not All Retrievals are Useful: Cross-Attention for Input-Aware RAG in Time Series Forecasting

并非所有检索都有用：时间序列预测中输入感知RAG的交叉注意力

Seunghan Lee, Jaehoon Lee, Jun Seo, Sungdong Yoo, Minjae Kim, Tae Yoon Lim, Dongwan Kang, Hwanil Choi, SoonYoung Lee, Wonbin Ahn

机构 * LG AI Research（LG人工智能研究所） 纠错

AI总结 提出Cross-RAG框架，通过查询-检索交叉注意力选择性关注相关检索样本，联合利用查询、检索样本及其关系，提升零样本时间序列预测性能，避免无关检索的干扰。

Comments KDD Workshop on Mining and Learning from Time Series 2026 (Oral Presentation)

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

DeepTravel: An End-to-End Agentic Reinforcement Learning Framework for Autonomous Travel Planning Agents

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

Yansong Ning, Rui Liu, Jun Wang, Kai Chen, Wei Li, Jun Fang, Kan Zheng, Naiqiang Tan, Hao Liu

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） 纠错

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

Causal Estimation of Share-Induced Engagement with Flywheel Effects

基于飞轮效应的分享诱导参与度的因果估计

Weitao Cheng, Yilin Li, Yong Wang, Nian Si

AI总结 研究在线平台分享功能的飞轮效应，开发考虑干扰的实验框架，提出基于流量平衡恒等式的估计器，降低偏差，建立A/A测试程序，扩展到用户级指标，并用真实平台验证方法。

Comments Accepted by KDD 2026

When Does Restricting a Coding Agent to execute_code Help? A Regime $\times$ Agent-Design Ablation

限制编码代理执行代码何时有用？一种机制×代理设计消融研究

Hong Yang, Qi Yu, Travis Desell

机构 * Rochester Institute of Technology（罗切斯特技术学院） 纠错

AI总结 研究现代编码代理不同工具表面有效性，通过在特定任务上对两种代理进行三臂消融实验，发现最便宜工具表面由任务机制和代理设计共同决定，主要成本信号是缓存调整成本而非通过率。

Comments 9 pages (excluding references), 4 figures, 4 tables. Accepted to the Agentic Software Engineering (SE 3.0) Workshop at KDD 2026 (non-archival)

Cross-Layer Misalignment Detection in Agent Skills: A Progressive Loading-Aware Contrastive Learning Approach

智能体技能中的跨层错位检测：一种渐进式加载感知对比学习方法

Chengjun Zhang, Yang Gao, Jianna Hur, Jingjing Zhang, Sagar Samtani

机构 * Indiana University Bloomington（印第安纳大学布卢明顿分校） 纠错

AI总结 研究智能体技能跨层错位问题，提出渐进式加载感知分层对比学习框架PL-HCL，通过建模技能分层结构和学习跨层一致性来检测错位，使用相关语料库与挑战集，提升宏F1指标，为用户和运营商提供筛选工具与设计原则。

Comments 10 pages, 5 pages supplemental. Accepted at the KDD 2026 Workshop on Evaluation and Trustworthiness of Agentic AI

Implicit Fine-tuning via Context Engineering: A Curriculum Learning Framework for Multimodal Entity Alignment

通过上下文工程进行隐式微调：多模态实体对齐的课程学习框架

Yunpeng Hong, Chenyang Bu, Di Wu, Yi He, Xindong Wu

AI总结 研究多模态实体对齐问题，提出PTFEA课程学习框架，通过自适应难度调制和三阶段渐进推理将微调策略转化为上下文工程，实验证明该框架性能优越，提供了统一上下文工程和微调的理论框架。

Comments Accepted by KDD 2026

Journal ref SIGKDD 2026

Serving the Long Tail: Training-Free LLM Candidate Generation for Vacation Rental Marketplaces

服务长尾：度假租赁市场中无需训练的大语言模型候选生成

Syed Mohammed Arshad Zaidi, Eric Rincon, Shayan Hassantabar

机构 * Expedia Group（亿客行集团） 纠错

AI总结 度假租赁市场供应端失衡，长尾房源难获有效服务。本文提出无需训练的大语言模型候选生成管道，用静态房产元数据补充IBKNN，经联合融合等策略提升效果，扩大候选覆盖范围，缩小模型召回差距，有效服务长尾房源。

Comments Accepted at TSMO 2026 workshop, co-located with KDD 2026; 9 pages

PiPNN: Ultra-Scalable Graph-Based Nearest Neighbor Indexing

PiPNN：超可扩展的基于图的最近邻索引

Tobias Rubel, Richard Wen, Laxman Dhulipala, Lars Gottesbüren, Rajesh Jayaram, Jakub Łącki

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