SIGIR

The Attention Market: Interpreting Online Fair Re-ranking as Manifold Optimization under Walrasian Equilibrium

注意力市场：将在线公平重排解释为Walras均衡下的流形优化

Chen Xu, Wei Chu, Wenyu Hu, Fengran Mo, Jun Xu, Maarten de Rijke

AI总结 本文提出ManifoldRank算法，通过流形优化和Walras均衡框架，在信息检索中实现公平性与准确性的平衡。

Comments Accepted in SIGIR'26

GeoSearch: Augmenting Worldwide Geolocalization with Web-Scale Reverse Image Search and Image Matching

GeoSearch：通过网络级反向图像搜索和图像匹配增强全球地理定位

Tung-Duong Le-Duc, Hoang-Quoc Nguyen-Son, Minh-Son Dao

机构 * University of Science, VNU-HCM（越南国家科学大学） 纠错

AI总结 本文提出GeoSearch框架，通过整合网络级反向图像搜索与图像匹配技术，提升全球图像地理定位的准确性，实验表明其在考虑泄漏因素下的优越性。

Comments Accepted to SIGIR 2026 Main Conference

Stop Using the Wilcoxon Test: Myth, Misconception and Misuse in IR Research

停止使用Wilcoxon检验：信息检索研究中的神话、误解与误用

Julián Urbano

AI总结 信息检索研究中，Wilcoxon检验常被误认为比t检验更安全，但本文指出这种观念存在误导，导致检验被误用，从而影响研究方法的严谨性。

Comments 11 pages, 5 tables, 2 figures, ACM SIGIR 2026

CS3: Efficient Online Capability Synergy for Two-Tower Recommendation

CS3：高效的在线能力协同用于双塔推荐

Lixiang Wang, Shaoyun Shi, Peng Wang, Wenjin Wu, Peng Jiang

AI总结 本文提出CS3框架，通过三重创新提升双塔模型性能，实现在推荐系统中平衡效率与效果，提升在线广告收益。

Comments This submission duplicates arXiv:2604.19269. We will retain the version accepted by SIGIR 2026 and withdraw this submission

Beyond Hard Negatives: The Importance of Score Distribution in Knowledge Distillation for Dense Retrieval

超越硬负样本：知识蒸馏中密集检索中分数分布的重要性

Youngjoon Jang, Seongtae Hong, Hyeonseok Moon, Heuiseok Lim

AI总结 本文指出仅依赖硬负样本限制了学生模型学习教师偏好结构的能力，提出分层采样策略以均匀覆盖分数范围，实验表明该方法在不同设置中优于top-K和随机采样。

Comments SIGIR 2026