WWW / The Web Conference

Riemannian Liquid Spatio-Temporal Graph Network

黎曼流体时空图网络

Liangsi Lu, Jingchao Wang, Zhaorong Dai, Hanqian Liu, Yang Shi

机构 * Guangdong University of Technology（广东技术大学） ； Peking University（北京大学） ； South China Agricultural University（华南农业大学） ； Sun Yat-Sen University（中山大学） 纠错

AI总结 RLSTG通过结合连续时间流体动力学与黎曼流形几何，有效建模复杂结构的时空图，提升表示质量与性能。

Comments This paper has been accepted to The Web Conference 2026

Consensus Stability of Community Notes on X

X平台社区注释的一致性稳定性

Yuwei Chuai, Gabriele Lenzini, Nicolas Pröllochs

AI总结 X平台社区注释的一致性稳定性研究发现，注释显示后评分极化导致30.2%的注释消失，揭示了共识事实核查系统的脆弱性。

Comments Accepted at WWW2026

Towards Token-Level Text Anomaly Detection

迈向词级文本异常检测

Yang Cao, Bicheng Yu, Sikun Yang, Ming Liu, Yujiu Yang

机构 * Great Bay University（大湾大学） ； Tsinghua University（清华大学） ； Shenzhen University（深圳大学） ； Dongguan Key Laboratory for AI and Dynamical Systems（东莞人工智能与动力系统重点实验室） ； Deakin University（德肯大学） 纠错

AI总结 本文提出词级文本异常检测方法，通过多层级统一框架实现精准定位，提升文本异常识别的细粒度分析能力。

Comments WWW 2026

"They've Stolen My GPL-Licensed Model!": Toward Standardized and Transparent Model Licensing

『他们偷走了我的GPL授权模型！』：迈向标准化和透明的模型授权

Moming Duan, Rui Zhao, Linshan Jiang, Nigel Shadbolt, Bingsheng He

机构 * East China Normal University（华东师范大学） ； University of Oxford（牛津大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出ModelGo分析器和ModelGo许可证，旨在解决模型发布中的许可证合规问题，通过本体推理和灵活的许可证设计提升透明度和标准化。

Comments 12 pages, 8 figures. Accepted for publication in WWW2026 Web4Good

OFA-MAS: One-for-All Multi-Agent System Topology Design based on Mixture-of-Experts Graph Generative Models

OFA-MAS：基于混合专家图生成模型的通用多智能体系统拓扑设计

Shiyuan Li, Yixin Liu, Yu Zheng, Mei Li, Quoc Viet Hung Nguyen, Shirui Pan

机构 * Griffith University（格里菲斯大学） ； Northwest A\&F University（西北农林科技大学） 纠错

AI总结 OFA-MAS提出一种基于混合专家图生成模型的通用多智能体系统拓扑设计框架，通过单个模型生成适应性协作图，提升跨领域任务的性能。

Comments Accepted by WWW 2026

Matrix as Plan: Structured Logical Reasoning with Feedback-Driven Replanning

矩阵作为计划：基于反馈驱动的重计划的结构化逻辑推理

Ke Chen, Jiandian Zeng, Zihao Peng, Guo Li, Guangxue Zhang, Tian Wang

机构 * Faculty of Arts and Sciences（艺术与科学学院） ； Beijing Normal University（北京师范大学） ； Institute of Artificial Intelligence and Future Networks（人工智能与未来网络研究所） ； Engineering Research Center of Cloud-Edge Intelligent Collaboration on Big Data, Ministry of Education（教育部云-边智能协同大数据工程研究中心） 纠错

AI总结 MatrixCoT通过引入矩阵基础计划和反馈驱动重计划机制，提升LLM在复杂符号推理任务中的鲁棒性和可解释性。

Comments 12 pages, 5 figures, 2 tables. Accepted at The Web Conference (WWW) 2026

Bridging Semantic Understanding and Popularity Bias with LLMs

通过大语言模型弥合语义理解和流行偏见之间的鸿沟

Renqiang Luo, Dong Zhang, Yupeng Gao, Wen Shi, Mingliang Hou, Jiaying Liu, Zhe Wang, Shuo Yu

机构 * Jilin University Changchun China ； Dalian University of Technology Dalian China ； Jinan University \& TAL Education Group Guangzhou China ； Jilin University ； Dalian University of Technology ； Jinan University \& TAL Education Group 纠错

AI总结 本文提出FairLRM框架，通过大语言模型增强对流行偏见的语义理解，提升推荐系统的公平性和准确性。

Comments 10 pages, 4 figs, WWW 2026 accepted

FairGU: Fairness-aware Graph Unlearning in Social Networks

FairGU: 社交网络中具有公平性的图去学习

Renqiang Luo, Yongshuai Yang, Huafei Huang, Qing Qing, Mingliang Hou, Ziqi Xu, Yi Yu, Jingjing Zhou, Feng Xia

机构 * Jilin University Changchun China ； Zhejiang Gongshang University Hangzhou China ； Adelaide University Adelaide Australia ； Jinan University \& TAL Education Group Guangzhou China ； RMIT University Melbourne Australia ； Nanyang Technological University Singapore ； Jilin University ； Zhejiang Gongshang University ； Adelaide University ； Jinan University \& TAL Education Group ； RMIT University ； Nanyang Technological University 纠错

AI总结 FairGU通过整合公平性模块和数据保护策略，提升社交网络中图去学习的公平性和实用性。

Comments 9 pages, 2 figs, WWW 2026 accepted

FairGE: Fairness-Aware Graph Encoding in Incomplete Social Networks

FairGE: 在不完整社交网络中实现公平性的图编码

Renqiang Luo, Huafei Huang, Tao Tang, Jing Ren, Ziqi Xu, Mingliang Hou, Enyan Dai, Feng Xia

机构 * Jilin University Changchun China ； Adelaide University Adelaide Australia ； Zhejiang University of Technology Hangzhou China ； RMIT Univeristy Melbourne Australia ； RMIT University Melbourne Australia ； Jinan University \& TAL Education Group Guangzhou China ； Jilin University ； Adelaide University ； Zhejiang University of Technology ； RMIT Univeristy ； RMIT University ； Jinan University \& TAL Education Group 纠错

AI总结 FairGE通过谱图理论在不完整社交网络中直接编码公平性，无需生成缺失的敏感属性，提升了统计平衡和机会平等的性能。

Comments 12 pages, WWW 2026

Docs2Synth: A Synthetic Data Trained Retriever Framework for Scanned Visually Rich Documents Understanding

Docs2Synth: 一种用于扫描视觉丰富文档理解的合成数据训练检索框架

Yihao Ding, Qiang Sun, Puzhen Wu, Sirui Li, Siwen Luo, Wei Liu

机构 * University of Western Australia（西澳大学） ； The University of Hong Kong（香港大学） ； Murdoch University（默多克大学） 纠错

AI总结 Docs2Synth通过合成监督框架实现私有和低资源领域文档理解，利用检索引导推理提升接地能力和领域泛化，无需人工标注。

Comments Accepted at WWW 2026 Demo Track

Effective and Unsupervised Social Event Detection and Evolution via RAG and Structural Entropy

基于RAG和结构熵的有效且无监督的社会事件检测与演化

Qitong Liu, Hao Peng, Zuchen Li, Xihang Meng, Ziyu Yang, Jiting Li, Li Sun, Philip S. Yu

AI总结 RagSEDE通过引入代表性和多样性驱动的采样策略、基于RAG的新范式以及结构信息理论，有效解决了社交媒体中社会事件检测与演化中的三大挑战。

Comments 12 pages, 7 figures, accepted for The Web Conference (WWW) 2026