WWW / The Web Conference

Talos: Optimizing Top-$K$ Accuracy in Recommender Systems

Talos: 优化推荐系统中的Top-K准确度

Shengjia Zhang, Weiqin Yang, Jiawei Chen, Peng Wu, Yuegang Sun, Gang Wang, Qihao Shi, Can Wang

机构 * Zhejiang University（浙江大学） ； Beijing Technology and Business University（北京技术与商务大学） ； Bangsheng Technology Co,Ltd.（bangsheng 技术有限公司） ； Hangzhou City University（杭州市大学） 纠错

AI总结 Talos通过分位数技术优化推荐系统中的Top-K准确度，解决计算开销和分布偏移问题。

Comments Accepted by WWW'26

Riddle Quest : The Enigma of Words

谜题 quest：词语的谜题

Niharika Sri Parasa, Chaitali Diwan, Srinath Srinivasa

AI总结 本文提出了一种生成和评估基于类比谜题的流程，研究大型语言模型在不同谜题类型中恢复完整答案集的能力，发现模型在推理覆盖和歧义处理方面存在不足。

Comments This paper is submitted under 'Demo track' for WWW conference

Causal Pre-training Under the Fairness Lens: An Empirical Study of TabPFN

从公平性视角看因果预训练：对TabPFN的实证研究

Qinyi Liu, Mohammad Khalil, Naman Goel

机构 * University of Bergen Centre for the Science of Learning \& Technology (SLATE) Bergen Norway ； Department of Computer Science University of Oxford ； Alan Turing Institute Oxford United Kingdom ； University of Bergen ； University of Oxford ； Alan Turing Institute 纠错

AI总结 本研究从公平性角度评估了TabPFN的因果预训练效果，发现其在预测准确性上表现优异，但在公平性改进方面存在局限，特别是在面对缺失-不在随机协变量偏移时。

Journal ref Proceedings of the ACM Web Conference 2026 (WWW '26), April 13--17, 2026, Dubai, United Arab Emirates

Diversity-Augmented Negative Sampling for Implicit Collaborative Filtering

多样性增强的隐式协同过滤负采样

Yueqing Xuan, Kacper Sokol, Mark Sanderson, Jeffrey Chan

AI总结 本文提出一种多样性增强的负采样方法，通过引入用户特定缓存和代表性子集选择，生成信息丰富且多样化的负训练数据，提升推荐质量。

Comments Accepted to The Web Conference (WWW) 2026

GraphRAG-R1: Graph Retrieval-Augmented Generation with Process-Constrained Reinforcement Learning

GraphRAG-R1: 基于过程约束强化学习的图检索增强生成

Chuanyue Yu, Kuo Zhao, Yuhan Li, Heng Chang, Mingjian Feng, Xiangzhe Jiang, Yufei Sun, Jia Li, Yuzhi Zhang, Jianxin Li, Ziwei Zhang

机构 * Nankai University（南开大学） ； Huawei Technologies Ltd（华为技术有限公司） ； Beihang University（北航） 纠错

AI总结 GraphRAG-R1通过过程约束强化学习提升LLM多跳推理能力，结合改进的GRPO方法和两种新型奖励函数，有效解决复杂问题。

Comments Accepted by the Web Conference 2026

Less is More: Compact Clue Selection for Efficient Retrieval-Augmented Generation Reasoning

少即是多：为高效检索增强生成推理设计的紧凑线索选择

Qianchi Zhang, Hainan Zhang, Liang Pang, Yongxin Tong, Hongwei Zheng, Zhiming Zheng

机构 * School of Artificial Intelligence, Beihang University（北航人工智能学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Beijing Academy of Blockchain and Edge Computing（北京区块链与边缘计算研究院） 纠错

AI总结 CompSelect通过紧凑线索选择机制提升RAG推理效率，减少LLM推理成本，优化线索提取与排序。

Comments Accepted to the ACM Web Conference 2026 (WWW'26)