WWW / The Web Conference

Prompt-Induced Linguistic Fingerprints for LLM-Generated Fake News Detection

基于提示的语言指纹用于LLM生成虚假新闻检测

Chi Wang, Min Gao, Zongwei Wang, Junwei Yin, Kai Shu, Chenghua Lin

机构 * Chongqing University（重庆大学） ； Emory University（埃默里大学） ； University of Manchester（曼彻斯特大学） ； Key Laboratory of Dependable Service Computing in Cyber Physical Society (Chongqing University), Ministry of Education of China（可信服务计算网络物理社会关键实验室（重庆大学），中国教育部） 纠错

AI总结 本文提出LIFE方法，通过重建词级概率分布发现语言指纹，提升LLM生成虚假新闻检测性能，实验显示其在LLM和人工生成虚假新闻中均表现优异。

Comments published in WWW 2026

Can LLMs Fool Graph Learning? Exploring Universal Adversarial Attacks on Text-Attributed Graphs

大语言模型能否欺骗图学习？探索文本属性图上的通用对抗攻击

Zihui Chen, Yuling Wang, Pengfei Jiao, Kai Wu, Xiao Wang, Xiang Ao, Dalin Zhang

机构 * School of Cyberspace, Hangzhou Dianzi University（杭州电子科技大学信息学院） ； Hangzhou Dianzi University（杭州电子科技大学） ； Beihang University（北京航空航天大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

AI总结 本文提出BadGraph框架，通过联合扰动节点拓扑和文本语义，实现对文本属性图模型的通用对抗攻击，实验显示攻击效果显著，性能下降达76.3%。

Comments Accepted by TheWebConf (WWW) 2026

negMIX: Negative Mixup for OOD Generalization in Open-Set Node Classification

negMIX：负混合用于开放集节点分类中的领域外泛化

Junwei Gong, Xiao Shen, Zhihao Chen, Shirui Pan, Xiao Wang, Xi Zhou

AI总结 本文提出negMIX模型，通过负混合和跨层图对比学习提升开放集节点分类中对领域外节点的泛化能力，增强类别内紧凑性和类别间分离性。

Journal ref In Proceedings of the ACM Web Conference (WWW 26), 2026

RAIE: Region-Aware Incremental Preference Editing with LoRA for LLM-based Recommendation

RAIE: 基于LoRA的区域感知增量偏好编辑用于基于LLM的推荐系统

Jin Zeng, Yupeng Qi, Hui Li, Chengming Li, Ziyu Lyu, Lixin Cui, Lu Bai

机构 * School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区计算机科学与技术学院） ； Department of Computer Science and Technology, Xiamen University（厦门大学计算机科学与技术系） ； Artificial Intelligence Research Institute, Shenzhen MSU-BIT University（深圳MSU-BIT大学人工智能研究院） ； School of Information, Central University of Finance and Economics（中央财经大学信息学院） ； School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） 纠错

AI总结 本文提出RAIE框架，通过区域级更新解决推荐系统中偏好漂移问题，采用LoRA模块实现动态修正，实验表明其在动态推荐场景中具有高准确性和可扩展性。

Comments Published on WWW'26: In Proceedings of the ACM Web Conference 2026

Rethinking Soft Compression in Retrieval-Augmented Generation: A Query-Conditioned Selector Perspective

重新思考检索增强生成中的软压缩：从查询条件选择器视角

Yunhao Liu, Zian Jia, Xinyu Gao, Kanjun Xu, Yun Xiong

机构 * Shanghai Key Laboratory of Data Science, College of Computer Science and Artificial Intelligence（上海数据科学 key 实验室，计算机科学与人工智能学院） ； Fudan University（复旦大学） ； Shanghai（上海） ； China（中国） 纠错

AI总结 本文提出SeleCom框架，通过查询条件选择器改进RAG中的软压缩，提升信息密度并减少计算开销，实验显示其性能优于现有方法且效率更高。

Comments Accepted by WWW 2026