Formalized Information Needs Improve Large-Language-Model Relevance Judgments
形式化信息需求提升大语言模型相关性判断
AI总结 研究探讨了形式化信息需求对大语言模型相关性评估的影响，发现使用形式化主题可提高人机一致性和评估可靠性。
Comments 12 pages, 8 tables, 5 figures, ACM SIGIR 2026
期刊&会议
SIGIR
ACM SIGIR Conference on Research and Development in Information Retrieval · 会议 · Information Retrieval
Agentic Search in the Wild: Intents and Trajectory Dynamics from 14M+ Real Search Requests
野外代理搜索：从1400万次真实搜索请求中获取意图和轨迹动态
机构 * Carnegie Mellon University Pittsburgh PA US ； INESC-ID, Carnegie Mellon University Pittsburgh PA US ； INESC-ID, Instituto Superior T\'ecnico, University of Lisbon Lisbon Portugal ； NOVA LINCS\ University Lisbon Caparica Portugal ； Carnegie Mellon University ； INESC-ID, Carnegie Mellon University ； INESC-ID, Instituto Superior T\'ecnico, University of Lisbon ； NOVA LINCS\ University Lisbon
AI总结 本文分析了1400万次真实搜索请求，揭示了代理搜索会话中的行为模式，包括步骤数、时间间隔及查询重构的可追溯性，为重复敏感停止和意图适应检索预算提供信号。
Comments Accepted at SIGIR 2026. DOI: 10.1145/3805712.3809627
Generative Bid Shading in Real-Time Bidding Advertising
生成式实时竞价投标
机构 * Chongqing University（重庆大学）
AI总结 本文提出生成式实时竞价投标方法，通过生成模型和奖励对齐系统优化短期和长期收益，解决传统方法在非凸收益曲线下和离散化模型中的不足。
Comments SIGIR 2026
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
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
机构 * University of Science, VNU-HCM（越南国家科学大学）
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
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
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
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
Learning to Route Queries to Heads for Attention-based Re-ranking with Large Language Models
基于大语言模型的注意力重排序中查询依赖的头部选择学习
机构 * McGill University \& MILA Montreal Canada ； McGill University \& MILA
AI总结 本文提出RouteHead方法，通过学习轻量级路由器选择最优头部集合以提升注意力重排序性能，实验表明优于现有基线。
Comments Accepted by SIGIR 2026
Learning Evidence of Depression Symptoms via Prompt Induction
通过提示诱导学习抑郁症症状证据
机构 * IRLab, CITIC, Universidade da Coruña（IR实验室、CITIC、科鲁纳大学）
AI总结 本文通过提示诱导学习方法，针对21种抑郁症症状进行细粒度分类，提出Symptom Induction方法，在BDI-Sen数据集上取得最佳F1分数，并在跨领域评估中展示出良好的泛化能力。
Comments Accepted at SIGIR 2026
When LLM Judges Inflate Scores: Exploring Overrating in Relevance Assessment
当大语言模型评分膨胀时：探索相关性评估中的过度评分
AI总结 研究揭示LLM在相关性评估中存在系统性高估问题，指出模型对不满足信息需求的文本给出高分，且易受文本长度和表层词汇影响，强调需谨慎评估LLM在相关性评估中的应用。
Comments Accepted at SIGIR 2026
Prompt-Unknown Promotion Attacks against LLM-based Sequential Recommender Systems
针对基于大语言模型的序列推荐系统的提示未知推广攻击
AI总结 研究提出在攻击者无法获取系统提示和受害者模型的情况下，通过进化优化策略生成有效替代模型，实现对目标物品的推广攻击，实验表明该方法在提升冷门物品曝光方面优于现有方法。
Comments Accepted by SIGIR 2026
Pretrain-then-Adapt: Uncertainty-Aware Test-Time Adaptation for Text-based Person Search
预训练后再适应：面向基于文本的人脸搜索的不确定性感知测试时间适应
机构 * University of Macau（澳门大学） ； Hefei University of Technology（合肥工业大学）
AI总结 本文提出一种预训练后再适应方法，通过离线测试时间适应减少对目标域标注数据的依赖，引入不确定性感知测试时间适应框架以提升人像搜索系统的鲁棒性和效率。
Comments Accepted to ACM SIGIR 2026
mKG-RAG: Leveraging Multimodal Knowledge Graphs in Retrieval-Augmented Generation for Knowledge-intensive VQA
mKG-RAG：利用多模态知识图谱在检索增强生成中进行知识密集型视觉问答
机构 * The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文提出mKG-RAG框架，通过整合多模态知识图谱提升检索增强生成在知识密集型视觉问答中的性能，采用双阶段检索策略和图提取方法构建高质量知识图谱，实验表明优于现有方法。
Comments In Proceedings of the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR'26), July 20-24, 2026, Melbourne, VIC, Australia
IIRSim Studio: A Dashboard for User Simulation
IIRSim Studio：用户模拟的仪表盘
AI总结 本文提出IIRSim Studio，通过可视化环境、组件生命周期、溯源模型和共享任务流程，解决用户模拟框架的可重复性和协作问题。
Journal ref Proceedings of the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR '26), July 20--24, 2026, Melbourne, VIC, Australia
A Parametric Memory Head for Continual Generative Retrieval
一个参数化的内存头用于连续生成检索
机构 * University of Amsterdam（阿姆斯特丹大学）
AI总结 本文提出PAMT方法，通过参数化内存头解决连续生成检索中稳定性和可塑性之间的权衡问题，提升早期文档检索性能且对新增文档影响小。
Comments 12 pages, 3 figures, 3 tables; accepted to the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval, July 20-24, 2026, Melbourne/Naarm, Australia
Follow the TRACE: Exploiting Post-Click Trajectories for Online Delayed Conversion Rate Prediction
跟随轨迹：利用点击后轨迹进行在线延迟转化率预测
机构 * State Key Lab of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院）
AI总结 本文提出TRACE方法，通过建模点击后行为轨迹来提升在线延迟转化率预测的准确性，采用动态后验更新和可靠性门控回顾补全模块，有效解决标签准确性和数据新鲜度的平衡问题。
Comments Accepted as a SIGIR 2026 short paper
CASE: Cadence-Aware Set Encoding for Large-Scale Next Basket Repurchase Recommendation
CASE：面向大规模下篮回购推荐的意识化集合编码
机构 * Walmart Global Tech（沃尔玛全球技术）
AI总结 CASE通过分离物品级节奏学习与跨物品交互，实现显式日历时间建模，提升大规模下篮回购推荐的精度、召回和NDCG。
Comments Accepted at SIGIR 2026 Industry Track
Where Relevance Emerges: A Layer-Wise Study of Internal Attention for Zero-Shot Re-Ranking
相关性如何出现：对零样本重排序内部注意力的分层研究
AI总结 本文研究了多排名框架中生成、似然和内部注意力机制的对比，发现Transformer层中相关性信号呈现钟形分布，提出Selective-ICR策略降低推理延迟30%-50%，并在BRIGHT基准测试中证明了内部信号在复杂推理排序中的潜力。
Comments Accepted by SIGIR 2026. 10 pages, 5 figures, 4 tables. Code available at https://github.com/ielab/Selective-ICR
Structural and Disentangled Adaptation of Large Vision Language Models for Multimodal Recommendation
大型视觉语言模型的结构和解耦适应用于多模态推荐
AI总结 本文提出SDA框架，通过跨模态结构对齐和模态解耦适应，解决多模态推荐中表示不一致和梯度冲突问题，实验显示在三个Amazon数据集上提升了推荐性能。
Comments Accepted to SIGIR '26
Adaptive Autoguidance for Item-Side Fairness in Diffusion Recommender Systems
自适应自引导的扩散推荐系统中物品层面公平性
AI总结 本文提出A2G-DiffRec，通过自适应自引导提升扩散推荐系统中物品层面的公平性，在牺牲少量准确率的情况下有效平衡不同流行度物品的曝光。
Comments Accepted at SIGIR 2026
Rethinking Semantic Collaborative Integration: Why Alignment Is Not Enough
重新思考语义协作整合：为什么对齐不够
AI总结 本文挑战了传统语义与协作表示对齐的假设，提出互补融合视角，强调共享与私有因素的区分，通过实验揭示语义与协作视图的低一致性及互补性，倡导以互补性为核心的推荐系统设计。
Comments Accepted by SIGIR 2026
KuaiLive: A Real-time Interactive Dataset for Live Streaming Recommendation
KuaiLive: 一个实时互动数据集用于直播推荐
机构 * Gaoling School of Artificial Intelligence\ University of China Beijing China ； Gaoling School of Artificial Intelligence\ University of China
AI总结 KuaiLive是一个实时互动数据集，用于直播推荐研究，包含精确的时间戳、多种实时用户交互和丰富的用户及主播侧信息，支持多种推荐任务和多行为建模。
Comments Accepted by SIGIR 2026
WPGRec: Wavelet Packet Guided Graph Enhanced Sequential Recommendation
WPGRec: 基于小波包引导的图增强序列推荐
AI总结 WPGRec通过结合小波包变换与图传播，解决序列推荐中时序建模与结构依赖的对齐问题，提升稀疏和行为复杂数据集的推荐效果。
Comments Accepted to SIGIR 2026, 8 pages, 3 figures
Multilingual and Domain-Agnostic Tip-of-the-Tongue Query Generation for Simulated Evaluation
多语言和领域无关的舌尖提示查询生成用于模拟评估
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Independent Researcher（独立研究者）
AI总结 本文构建了多语言舌尖提示测试集，研究提示语言和源文档语言对模拟查询准确性的影響，并发布四个多领域测试集，为构建非英语的现实舌尖提示数据集提供指导。
Comments SIGIR 2026; NTCIR track: https://ntcir-tot.github.io
Discrete Preference Learning for Personalized Multimodal Generation
离散偏好学习用于个性化多模态生成
AI总结 本文提出DPPMG框架，通过离散偏好模型学习多模态偏好并注入生成器，解决连续偏好与离散输入的矛盾及模态不一致问题，实验证明生成的多模态内容一致且个性化。
Comments be accepted to SIGIR 2026
Semantic Recall for Vector Search
向量搜索的语义召回
机构 * CWI（荷兰阿姆斯特丹CWI） ； EPFL（瑞士洛桑联邦理工学院） ； Google（谷歌）
AI总结 本文提出语义召回指标，用于评估近邻搜索算法的质量，考虑仅在理论上可通过精确最近邻搜索检索到的语义相关对象。通过实验证明，该指标在查询结果中相关对象较少时特别有效，并引入了容忍召回作为近似指标。
Comments Proceedings of the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval
A Reproducibility Study of Metacognitive Retrieval-Augmented Generation
元认知检索增强生成的可重复性研究
AI总结 本文研究了元认知检索增强生成（MetaRAG）的可重复性，评估了点wise和listwise重排器的效果，并与SIM-RAG进行比较，发现MetaRAG在相对改进上优于标准RAG，但绝对分数较低，反映了闭源LLM更新和实现细节缺失的问题。
Comments Paper accepted at ACM SIGIR Conference 2026
Beyond Dense Connectivity: Explicit Sparsity for Scalable Recommendation
超越密集连接：为可扩展推荐的显式稀疏性
AI总结 本文提出SSR框架，通过显式稀疏性改进推荐系统，解决密集连接与稀疏数据的结构不匹配问题，在大规模数据上实现持续性能提升。
Comments Accepted as a full paper at SIGIR 2026. 11 pages, 6 figures
ItemRAG: Item-Based Retrieval-Augmented Generation for LLM-Based Recommendation
ItemRAG: 基于物品的检索增强生成用于基于大语言模型的推荐系统
机构 * Seoul National University（首尔国立大学）
AI总结 ItemRAG通过细粒度物品级检索提升推荐效果，结合共购信息与语义信息，有效解决冷启动问题，实验表明其优于现有RAG方法。
Comments Published as a conference paper at SIGIR 2026 (short)
