WWW / The Web Conference

Difficulty-Aware Agentic Orchestration for Query-Specific Multi-Agent Workflows

面向查询难度的代理 orchestration 为查询特定的多代理工作流

Jinwei Su, Qizhen Lan, Yinghui Xia, Lifan Sun, Weiyou Tian, Tianyu Shi, Xinyuan Song, Lewei He, Yang Jingsong

机构 * South China Normal University（华南师范大学） ； The University of Texas Health Science Center（德克萨斯大学健康科学中心） ； The Hong Kong University of Science（香港科学大学） ； University of California（加州大学） ； Peking University（北京大学） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出难度感知的代理 orchestration 方法，通过动态生成查询特定的多代理工作流，提升查询处理的准确性和效率。

Comments Accepted to WWW2026

Latent Customer Segmentation and Value-Based Recommendation Leveraging a Two-Stage Model with Missing Labels

潜在客户细分与基于价值的推荐利用具有缺失标签的两阶段模型

Keerthi Gopalakrishnan, Tianning Dong, Chia-Yen Ho, Yokila Arora, Topojoy Biswas, Jason Cho, Sushant Kumar, Kannan Achan

AI总结 本文提出了一种两阶段模型，通过 Self-Paced Loss 提高客户细分准确性，利用缺失标签框架识别活动驱动意图，从而提升基于价值的推荐效果。

Journal ref Companion Proceedings of the ACM Web Conference 2025 (WWW Companion 25), ACM, 2025

AgenticShop: Benchmarking Agentic Product Curation for Personalized Web Shopping

AgenticShop: 评估面向个性化网络购物的智能代理产品整理

Sunghwan Kim, Ryang Heo, Yongsik Seo, Jinyoung Yeo, Dongha Lee

机构 * Department of Artificial Intelligence Yonsei University Seoul Republic of Korea（人工智能系 首尔国立庆尚大学 首尔 大韩民国） ； ParamitaAI Seoul Republic of Korea（ParamitaAI 首尔 大韩民国） ； Yonsei University（首尔国立庆尚大学） ； ParamitaAI 纠错

AI总结 AgenticShop是首个评估智能代理系统在开放网络环境中进行个性化产品整理的基准测试，通过真实购物场景和多样用户资料，验证代理系统在复杂购物情境中的适应能力。

Comments Accepted at WWW 2026

Towards Context-aware Reasoning-enhanced Generative Searching in E-commerce

面向情境感知的推理增强生成搜索

Zhiding Liu, Ben Chen, Mingyue Cheng, Enhong Chen, Li Li, Chenyi Lei, Wenwu Ou, Han Li, Kun Gai

AI总结 本文提出了一种面向情境感知的推理增强生成搜索框架，通过整合上下文信息和改进推理能力，提升电子商务搜索推荐的性能。

Comments Accepted by WWW'26