Evasion Under Blockchain Sanctions
区块链制裁下的规避
AI总结 本文研究了区块链制裁在对抗恶意活动中的有效性，通过分析Tornado Cash案例，发现尽管制裁减少了存款量，但攻击者仍依赖该工具进行安全事件，揭示了制裁执行中的结构性限制。
Comments Camera-ready version. Accepted at The ACM Web Conference 2026 (WWW '26)
期刊&会议
WWW / The Web Conference
The Web Conference · 会议 · Web
Off-Policy Learning with Limited Supply
有限供应下的离策略学习
机构 * Keio University（Keio大学） ； Institute of Science Tokyo（东京科学研究所） ； Meiji University（Meiji大学） ； Yale University（Yale大学） ； LY Corporation（LY公司） ； Hanjuku-kaso, Co., Ltd.
AI总结 本文研究了在情境老虎机中受限供应下的离策略学习问题，提出了一种新的OPLS方法，通过考虑用户间的相对预期奖励来更高效地分配有限供应的物品，实验证明其在有限供应情境下的优越性。
Comments Published as a conference paper at WWW 2026
Inductive Entity Representations from Text via Link Prediction
通过链接预测进行文本中的归纳实体表示
机构 * Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； University of Amsterdam（阿姆斯特丹大学） ； Discovery Lab, Elsevier（Elsevier发现实验室）
AI总结 本文提出通过链接预测目标评估实体表示，展示其在链接预测、实体分类和信息检索中的良好泛化能力，优于现有方法。
Comments The Web Conference 2021
A Prompt-Aware Structuring Framework for Reliable Reuse of AI-Generated Content in the Agentic Web
面向可靠重用的AI生成内容结构化框架
机构 * National Institute of Advanced Industrial Sciencen
AI总结 本文提出一种结构化框架，通过在生成时自动附加元数据，提升AI生成内容的可追溯性和可靠性，以支持其安全重用。
Comments 5 pages, 2 figures, Accepted at FAAW@WWW2026
Model Editing for New Document Integration in Generative Information Retrieval
生成信息检索中的新文档整合模型编辑
AI总结 本文提出DOME方法，通过模型编辑提升生成检索模型对新文档的适应能力，有效解决文档ID映射问题，减少训练时间，提高检索性能。
Comments Accepted to The Web Conference (WWW) 2026
VC-Soup: Value-Consistency Guided Multi-Value Alignment for Large Language Models
VC-Soup：基于价值一致性指导的多价值对齐方法用于大语言模型
机构 * Key Laboratory of Knowledge Engineering with Big Data（知识工程与大数据重点实验室） ； Hefei University of Technology（合肥工业大学） ； Innovation School of Artificial Intelligence（人工智能创新学院）
AI总结 本文提出VC-Soup方法，通过数据过滤和参数融合框架解决多价值对齐中的冲突问题，提升模型在多价值下的表现。
Comments 12 pages; Accepted to WWW2026
Deepfakes in the 2025 Canadian Election: Prevalence, Partisanship, and Platform Dynamics
2025年加拿大大选中的深度伪造：普及性、党派倾向与平台动态
AI总结 本文研究2025年加拿大大选期间深度伪造的出现情况，发现右翼账号更频繁分享深度伪造内容，但多数为无害或非政治类，其传播范围有限。
Comments 4 pages, 6 figures
Journal ref Proceedings of the ACM Web Conference (WWW 2026), pp. 8717-8720
Reliable Non-Leveled Homomorphic Encryption for Web Services
可靠非分层同态加密用于网络服务
AI总结 本文提出一种提升计算效率并集成自动纠错机制的新型FHE框架，通过新编码技术和代数可靠性层，解决FHE在实际复杂网络环境中的部署问题。
Comments Updated for WWW'26: We updated some experimental results originally published at WWW'26. Please kindly refer to the latest version here on arXiv; the one published at WWW'26 might be outdated
Journal ref Proceedings of the {ACM} Web Conference 2026, {WWW} 2026, Dubai, United Arab Emirates
NeocorRAG: Less Irrelevant Information, More Explicit Evidence, and More Effective Recall via Evidence Chains
NeocorRAG：通过证据链减少无关信息，提高明确证据和回忆效果
机构 * Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 NeocorRAG通过证据链系统挖掘和利用，实现检索质量的全面优化，提升召回效果并减少无关信息，取得SOTA性能。
Comments Accepted to WWW 2026
Journal ref Proc. ACM Web Conf. 2026, pages 1899-1910
Eclipse Attacks on Ethereum's Peer-to-Peer Network
对以太坊点对点网络的影子攻击
AI总结 本文首次实现针对以太坊2.0执行层节点的影子攻击，通过污染发现表、操纵DNSPeerlist和劫持空闲连接槽位，验证了攻击在合并后环境的可行性，并提出缓解措施。
Comments Accepted by WWW'26
Mixture of Sequence: Theme-Aware Mixture-of-Experts for Long-Sequence Recommendation
序列混合：面向主题的专家混合用于长序列推荐
机构 * Meta
AI总结 本文提出Mixture of Sequence框架，通过主题感知路由和多尺度融合机制，有效过滤用户兴趣切换带来的噪声信息，提升长序列推荐的准确性和效率。
Comments 14 pages, 9 figures, The Web Conference 2026
MCP vs RAG vs NLWeb vs HTML: A Comparison of the Effectiveness and Efficiency of Different Agent Interfaces to the Web (Technical Report)
MCP与RAG与NLWeb与HTML：不同网页代理接口的有效性和效率比较（技术报告）
机构 * Data and Web Science Group（数据与网络科学组） ； University of Mannheim（曼海姆大学）
AI总结 本文比较了四种网页代理接口的有效性和效率，发现RAG、MCP和NLWeb在效果和效率上均优于HTML。
Journal ref Proceedings of the ACM Web Conference 2026 (WWW '26), April 13-17, 2026, Dubai, United Arab Emirates. ACM, New York, NY, USA, pp. 8493-8496
LaV-CoT: Language-Aware Visual CoT with Multi-Aspect Reward Optimization for Real-World Multilingual VQA
LaV-CoT：具有多方面奖励优化的语言感知视觉CoT
机构 * Ant Digital Technologies, Ant Group（蚂蚁集团数字技术部） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； CFAR, Agency for Science, Technology and Research（科技研究局CFAR）
AI总结 LaV-CoT通过多阶段推理流程和多方面奖励优化，提升多语言视觉问答的准确性和泛化能力，实现在公开数据集上的9.5%准确率提升。
Comments Accepted by WWW 2026 Industry Track - Oral
Graph Retention Networks for Dynamic Graphs
动态图的图保留网络
机构 * University of Auckland（奥克兰大学） ； Central China Normal University（华中师范大学） ； University of Technology Sydney（悉尼科技大学）
AI总结 本文提出图保留网络（GRN），为动态图深度学习提供统一架构，通过并行化训练、低成本推理和分块长期训练实现高效、有效和可扩展的性能。实验显示其在边级预测和节点分类任务中表现优异，训练延迟低，内存占用少，推理吞吐量提升达86.7倍。
Comments Accepted as a full paper at ACM Web Conference 2026 (WWW 2026)
AdaQE-CG: Adaptive Query Expansion for Web-Scale Generative AI Model and Data Card Generation
AdaQE-CG：适应性查询扩展用于大规模生成式AI模型和数据卡片生成
机构 * University of North Texas（北德克萨斯大学） ； North Carolina State University（北卡罗来纳州立大学） ； Bellevue High School（贝尔维尤高中）
AI总结 本文提出AdaQE-CG框架，通过动态信息提取与跨卡片知识迁移解决生成AI文档的三大挑战，引入MetaGAI-Bench基准，实验表明其在多个质量维度上优于现有方法，接近人类水平。
Comments This paper has been accepted to the main conference of WWW 2026
Tuning Qwen2.5-VL to Improve Its Web Interaction Skills
调优 Qwen2.5-VL 以提升其网页交互能力
机构 * Aalto University（阿尔托大学） ； University of Oulu（奥卢大学）
AI总结 本文通过调优 Qwen2.5-VL 模型，改进其在网页交互中的可靠性，解决元素定位不准确、指令敏感性和过度乐观偏差等问题，提升单次点击任务的成功率。
Comments Accepted to the Short Paper Track of ACM Web Conference 2026 (WWW 2026). The final version will appear in the ACM Digital Library
Beyond Isolated Clients: Integrating Graph-Based Embeddings into Event Sequence Models
超越孤立客户端：将基于图的嵌入整合到事件序列模型中
机构 * Steklov Institute of Mathematics（斯捷克洛夫数学研究所） ； Independent Researcher（独立研究员） ； ISP RAS（俄罗斯科学院系统编程研究所） ； Sber AI Lab（Sber人工智能实验室） ； HSE University（高等经济大学）
AI总结 本文提出三种模型无关策略，将图结构信息整合到对比学习中，提升事件序列模型的预测准确性，实验表明图密度是选择最优整合策略的关键因素。
Comments Short paper accepted at ACM Web Conference 2026 (WWW '26)
Digital Skin, Digital Bias: Uncovering Tone-Based Biases in LLMs and Emoji Embeddings
数字皮肤，数字偏见：揭示基于肤色的LLM和表情符号嵌入中的偏见
机构 * University of North Texas（北德克萨斯大学） ； International Center for Artificial Intelligence Research and Ethics（国际人工智能研究与伦理中心） ； Southern Methodist University（南卫理公会大学） ； The University of Arizona（亚利桑那大学） ； The University of Alabama（阿拉巴马大学）
AI总结 本文研究了LLM和表情符号嵌入模型中基于肤色的偏见，发现表情符号模型在肤色表示上存在严重缺陷，揭示了潜在的偏见问题，呼吁开发者和平台进行审计和缓解。
Comments Accepted at WWW'26
ARuleCon: Agentic Security Rule Conversion
ARuleCon：代理安全规则转换
AI总结 ARuleCon通过自动化规则转换框架，解决跨平台安全规则复用难题，提升SIEM规则转换的准确性和效率，平均优于基线LLM模型15%。
Comments This paper has been accepted for publication at WWW 2026
Embedding Enhancement via Fine-Tuned Language Models for Learner-Item Cognitive Modeling
通过微调语言模型增强嵌入以实现学习者-项目认知建模
机构 * East China Normal University（华东师范大学） ； Tencent Inc（腾讯公司） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文提出EduEmbed框架，通过微调语言模型提升学习者-项目认知建模的嵌入表示，在多种认知诊断任务中实现稳健性能。
Comments Accepted by The ACM Web Conference 2026 (WWW '26)
PRISM: LLM-Guided Semantic Clustering for High-Precision Topics
PRISM：基于LLM的语义聚类用于高精度主题
机构 * New York University（纽约大学） ； Binghamton University（宾汉姆顿大学）
AI总结 PRISM结合LLM的丰富表示与低成本可解释的潜在语义聚类方法，通过稀疏LLM标签微调句子编码模型，提升主题分离度，适用于多语料库的高精度主题发现。
Comments To appear in Proceedings of the ACM Web Conference 2026 (WWW 26)
Cardinality is Not Enough: Super Host Detection via Segmented Cardinality Estimation
基数不够：通过分段基数估计进行超主机检测
AI总结 本文提出SegSketch方法，通过轻量级分段哈希策略估计子网内的基数，提升超主机检测精度，实验证明其在小内存预算下F1-Score提升显著。
Comments This paper has been accepted at WWW 2026
Debating Truth: Debate-driven Claim Verification with Multiple Large Language Model Agents
辩论真相：基于多个大语言模型代理的辩论驱动声明验证
机构 * Department of Interactive Media, Hong Kong Baptist University（香港浸会大学互动媒体系） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院） ； Shenzhen Institute of Advanced Technology（深圳先进技术研究院）
AI总结 本文提出DebateCV框架，通过多代理辩论和调解提升复杂声明验证的准确性与说服力。
Comments Accepted by the ACM Web Conference 2026 (WWW 2026)
SentinelNet: Safeguarding Multi-Agent Collaboration Through Credit-Based Dynamic Threat Detection
SentinelNet：通过基于信用的动态威胁检测保障多智能体协作
机构 * The University of Edinburgh（爱丁堡大学） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 SentinelNet通过基于信用的动态威胁检测机制，主动识别并缓解多智能体协作中的恶意行为，实现高检测率和系统恢复率。
Comments Accepted at The ACM Web Conference 2026 (WWW 2026)
GRank: Towards Target-Aware and Streamlined Industrial Retrieval with a Generate-Rank Framework
GRank: 向目标感知和流线化的工业检索迈进：一种生成-排序框架
AI总结 GRank提出一种无需结构化索引的检索方法，通过目标感知学习与用户导向检索的结合，提升召回率和响应速度，实验证明其在工业级推荐系统中表现优异。
Comments Proceedings of the ACM Web Conference 2026 (WWW '26), April 13--17, 2026, Dubai, United Arab Emirates
Measuring the Predictability of Recommender Systems using Structural Complexity Metrics
利用结构复杂性度量来衡量推荐系统可预测性
机构 * Center for Artificial Intelligence (CENIA)（人工智能中心（CENIA））
AI总结 本文提出基于数据驱动的度量方法，通过测量用户-物品交互矩阵的结构复杂性来量化推荐系统输出的可预测性，实验表明该度量与推荐算法性能相关，并展示了结构感知的数据选择方法。
Comments Accepted at WWW-24 Workshop: DCAI Data-centric Artificial Intelligence
Generative Data Transformation: From Mixed to Unified Data
生成数据变换：从混合到统一数据
机构 * University of Science and Technology of China（中国科学技术大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 本文提出Taesar框架，通过对比解码机制生成统一序列数据，提升推荐模型性能，优于传统模型中心方法。
Comments Accepted by The Web Conference 2026 (WWW '26)
Prototype-Aligned Federated Soft-Prompts for Continual Web Personalization
原型对齐的联邦软提示用于持续网页个性化
机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Hunan University（湖南大学）
AI总结 本文提出ProtoFed-SP框架，通过双时间尺度软提示实现隐私保护的持续个性化，提升NDCG和HR指标，降低遗忘率并保持准确性。
Comments Accepted by WWW 2026
MuVaC: A Variational Causal Framework for Multimodal Sarcasm Understanding in Dialogues
MuVaC：一种用于对话中多模态讽刺理解的变分因果框架
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； Beihang University（北京航空航天大学）
AI总结 本文提出MuVaC框架，通过变分因果推理实现多模态讽刺检测与解释的联合优化，提升对话中讽刺理解的鲁棒性。
Comments 12 pages, 7 figures. Accepted by WWW 2026
Unveiling the Resilience of LLM-Enhanced Search Engines against Black-Hat SEO Manipulation
揭示LLM增强搜索引擎对抗黑帽SEO攻击的韧性
AI总结 本文首次系统研究针对LLMSEs的SEO攻击，通过构建SEO-Bench基准测试1000个真实世界黑帽SEO网站，发现LLMSEs能有效抵御99.78%的传统SEO攻击，但对LLMSEO攻击如重写查询填充和分段文本存在漏洞。
Comments Accepted at The ACM Web Conference 2026 (WWW 2026)
