WWW / The Web Conference

EcoThink: A Green Adaptive Inference Framework for Sustainable and Accessible Agents

EcoThink: 一种绿色自适应推理框架，用于可持续和可及的智能体

Linxiao Li, Zhixiang Lu

机构 * The University of Sydney（悉尼大学） ； University of Liverpool（利物浦大学） 纠错

AI总结 本文提出EcoThink框架，通过轻量级路由器动态评估查询复杂度，减少推理能耗40.4%，提升AI可持续性和可及性。

Comments Accepted by WWW 2026

From Manipulation to Mistrust: Explaining Diverse Micro-Video Misinformation for Robust Debunking in the Wild

从操控到怀疑：为野外鲁棒驳斥解释多样化的微视频虚假信息

Zhi Zeng, Yifei Yang, Jiaying Wu, Xulang Zhang, Xiangzheng Kong, Herun Wan, Zihan Ma, Minnan Luo

机构 * School of Computer Science and Technology, MOEKLINNS Lab, Xi'an Jiaotong University（西安交通大学计算机科学与技术学院、教育部机器学习与智能决策网络实验室） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Xi'an Jiaotong University（西安交通大学） 纠错

AI总结 本文提出WildFakeBench基准和FakeAgent框架，通过多模态理解和外部证据分析，提升微视频虚假信息检测的可解释性和鲁棒性。

Comments Accepted at WWW 2026

Hyena Operator for Fast Sequential Recommendation

Hyena 操作符用于快速序列推荐

Jiahao Liu, Lin Li, Zhiyuan Li, Kaixi Hu, Kaize Shi, Jingling Yuan

AI总结 本文提出HyenaRec，通过多项式核参数化与门控卷积结合，解决序列推荐中稀疏长用户序列的表示问题，提升效率与准确性。

Comments 11 pages, 5 figures, accepted by ACM Web Conference 2026 (WWW '26)

Belief-Driven Multi-Agent Collaboration via Approximate Perfect Bayesian Equilibrium for Social Simulation

基于近似完美贝叶斯均衡的信念驱动多智能体协作：用于社会模拟

Weiwei Fang, Lin Li, Kaize Shi, Yu Yang, Jianwei Zhang

AI总结 本文提出BEACOF框架，通过动态博弈模型解决多智能体协作中的信念与能力估计循环依赖问题，验证其在对抗、开放和混合场景中的有效性，提升社会模拟的可靠性。

Comments accepted at WWW 2026

DyMRL: Dynamic Multispace Representation Learning for Multimodal Event Forecasting in Knowledge Graph

DyMRL: 动态多空间表征学习用于知识图谱中的多模态事件预测

Feng Zhao, Kangzheng Liu, Teng Peng, Yu Yang, Guandong Xu

机构 * Huazhong University of Science and Technology（华中科技大学） ； Centre for Learning, Teaching and Technology（学习、教学与技术中心） ； The Education University of Hong Kong（香港教育大学） 纠错

AI总结 DyMRL通过动态多空间表征学习，解决多模态知识动态获取与融合问题，提升事件预测性能。

Comments Accepted to The ACM Web Conference 2026 (WWW '26). This version is published under a CC BY license

Strategic Content Creation with Age of GenAI: To Share or Not to Share?

面向生成式AI年龄的内容创作策略：分享还是不分享？

Gur Keinan, Omer Ben-Porat

AI总结 本文提出一个博弈框架，研究平台与内容创作者在生成式AI内容存在时的战略互动，重点探讨创作者在内容质量投资和分享给平台GenAI的同意决策对效用的影响，并通过模拟展示收益分配机制对创作者效用和平台收益的影响。

Comments Accepted to The Web Conference 2026 (WWW '26)

S-Path-RAG: Semantic-Aware Shortest-Path Retrieval Augmented Generation for Multi-Hop Knowledge Graph Question Answering

S-Path-RAG：基于语义的最短路径检索增强生成用于多跳知识图谱问答

Rong Fu, Yemin Wang, Tianxiang Xu, Yongtai Liu, Weizhi Tang, Wangyu Wu, Xiaowen Ma, Simon Fong

机构 * University of Macau（澳门大学） ； Xiamen University（厦门大学） ； Peking University（北京大学） ； Hanyang University（翰阳大学） ； University of Liverpool（利物浦大学） ； Zhejiang University（浙江大学） 纠错

AI总结 S-Path-RAG通过混合加权k最短路径、束搜索和约束随机游走策略，实现语义感知的多跳知识图谱问答，提升检索效率与生成准确性。

Journal ref WWW 2026

FedSRD: Sparsify-Reconstruct-Decompose for Communication-Efficient Federated Large Language Models Fine-Tuning

FedSRD：用于通信高效联邦大语言模型微调的稀疏化-重建-分解

Guochen Yan, Luyuan Xie, Qingni Shen, Yuejian Fang, Zhonghai Wu

机构 * Beijing Key Laboratory of Data Intelligence and Security, National Engineering Research Center for Software Engineering, School of Computer Science, Peking University（北京数据智能与安全重点实验室、软件工程国家工程研究中心、计算机科学学院、北京大学） ； Beijing Key Laboratory of Data Intelligence and Security, School of Software and Microelectronics, Peking University（北京数据智能与安全重点实验室、软件与微电子学院、北京大学） ； Beijing Key Laboratory of Data Intelligence and Security, National Engineering Research Center for Software Engineering, Peking University（北京数据智能与安全重点实验室、软件工程国家工程研究中心、北京大学） 纠错

AI总结 FedSRD通过稀疏化重建分解框架降低联邦学习中大语言模型微调的通信开销，提升异构客户端数据性能，实验显示通信成本降低达90%。

Comments Accepted by WWW 2026

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

SAGE: Sustainable Agent-Guided Expert-tuning for Culturally Attuned Translation in Low-Resource Southeast Asia

SAGE：面向文化适应翻译的可持续代理引导专家调优

Zhixiang Lu, Chong Zhang, Yulong Li, Angelos Stefanidis, Anh Nguyen, Imran Razzak, Jionglong Su, Zhengyong Jiang

机构 * Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； University of Liverpool（利物浦大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

AI总结 SAGE通过能量感知方法优化低资源东南亚地区翻译任务，利用强化学习代理筛选高质量数据，显著降低能耗和数据使用量，提升模型性能与环保性。

Comments Accepted by WWW 2026

TRACE: Trajectory Recovery with State Propagation Diffusion for Urban Mobility

轨迹恢复：基于状态传播扩散的轨迹恢复用于城市移动

Jinming Wang, Hai Wang, Hongkai Wen, Geyong Min, Man Luo

机构 * University of Exeter Department of Computer Science（埃克塞特大学计算机科学系） ； University of Warwick Department of Computer Science（沃里克大学计算机科学系） 纠错

AI总结 本文提出TRACE模型，通过状态传播扩散机制从稀疏不完整输入中恢复密集连续轨迹，提升城市移动应用的数据质量与公平性。

Comments This article is accepted by WWW 2026, Dubai, United Arab Emirates

HALO: Hierarchical Reinforcement Learning for Large-Scale Adaptive Traffic Signal Control

HALO：用于大规模自适应交通信号控制的分层强化学习

Yaqiao Zhu, Hongkai Wen, Geyong Min, Man Luo

机构 * University of Exeter Department of Computer Science Exeter UK（埃克塞特大学计算机科学系埃克塞特英国） ； University of Warwick Department of Computer Science Coventry UK（沃里克大学计算机科学系科文特里英国） ； University of Exeter（埃克塞特大学） ； University of Warwick（沃里克大学） 纠错

AI总结 HALO通过分层强化学习框架解决大规模自适应交通信号控制中的可扩展性与协调性矛盾，采用高低层策略协同优化，实现高效交通管理。

Comments Accepted to The Web Conference (WWW) 2026

Click-to-Ask: An AI Live Streaming Assistant with Offline Copywriting and Online Interactive QA

点击提问：一种带有离线文案生成和在线交互问答的AI直播助手

Ruizhi Yu, Keyang Zhong, Peng Liu, Qi Wu, Haoran Zhang, Yanhao Zhang, Chen Chen, Haonan Lu

机构 * East China normal University（东中国正常大学） ； Sun Yat-sen University（孙中山大学） ； OPPO AI Center（OPPO AI中心） ； Shenzhen Institutes of Advanced Technology（深圳先进技术研究所） 纠错

AI总结 本文提出Click-to-Ask系统，通过离线处理多模态产品信息生成结构化数据和合规文案，结合在线实时问答模块提升直播电商效率和观众互动性。

Comments 4 pages, 2 figures, Accepted at WWW2026 Demos

Cross-Modal Rationale Transfer for Explainable Humanitarian Classification on Social Media

跨模态推理迁移用于社交媒体上可解释的人道主义分类

Thi Huyen Nguyen, Koustav Rudra, Wolfgang Nejdl

机构 * L3S Research Center \ University Hannover Hannover Germany ； Indian Institute of Technology Kharagpur Kharagpur India ； L3S Research Center\ University Hannover Hannover Germany ； L3S Research Center \ University Hannover ； Indian Institute of Technology Kharagpur ； L3S Research Center\ University Hannover 纠错

AI总结 本文提出一种跨模态推理迁移框架，通过文本和图像联合表示提取文本和图像推理，提升人道主义分类的可解释性，实验表明在CrisisMMD数据集上宏F1提升2-35%，并在零样本模式下达到80%的准确率。

Comments Accepted at WWW 2026

Rethink Web Service Resilience in Space: A Radiation-Aware and Sustainable Transmission Solution

重新思考空间中的网络服务容错性：一种辐射感知且可持续的传输解决方案

Long Chen, Hao Fang, Yi Ching Chou, Haoyuan Zhao, Xiaoyi Fan, Zhe Chen, Hengzhi Wang, Jiangchuan Liu

AI总结 本文提出RALT方案，通过动态路由和能量约束优化，提升空间网络在辐射环境下的服务性能与电池寿命。

Comments This paper has been accepted at WWW 2026

Allocating Chores with Restricted Additive Costs: Achieving EFX, MMS, and Efficiency Simultaneously

在受限加性成本下分配家务：同时实现EFX、MMS和效率

Zehan Lin, Xiaowei Wu, Shengwei Zhou

AI总结 研究在受限加性成本下如何公平高效分配家务，提出同时满足EFX和MMS的算法，并证明其社会成本近似比为2，且最优。

Comments To appear in WWW 2026

MCoT-MVS: Multi-level Vision Selection by Multi-modal Chain-of-Thought Reasoning for Composed Image Retrieval

MCoT-MVS：基于多模态链式推理的多级视觉选择用于组合图像检索

Xuri Ge, Chunhao Wang, Xindi Wang, Zheyun Qin, Zhumin Chen, Xin Xin

机构 * Shandong University（山东大学） 纠错

AI总结 本文提出MCoT-MVS方法，通过多模态链式推理提取参考图像的多级视觉特征，结合注意力机制与文本提示，提升组合图像检索的准确性和鲁棒性。

Comments Accepted by The Web Conference 2026 (WWW2026)

Learning Evolving Preferences: A Federated Continual Framework for User-Centric Recommendation

学习演化的偏好：一种面向用户推荐的联邦连续框架

Chunxu Zhang, Zhiheng Xue, Guodong Long, Weipeng Zhang, Bo Yang

AI总结 本文提出FCUCR框架，通过时间感知自蒸馏和用户原型转移机制，解决联邦学习中时间遗忘和异构用户数据下的协同个性化问题，实验证明其有效性与实用性。

Comments Accepted at WWW 2026

Multilingual Reference Need Assessment System for Wikipedia

多语言参考需求评估系统用于维基百科

Aitolkyn Baigutanova, Francisco Navas, Pablo Aragon, Mykola Trokhymovych, Muniza Aslam, Ai-Jou Chou, Miriam Redi, Diego Saez-Trumper

机构 * Pompeu Fabra University（庞培法布拉大学） ； Wikimedia Foundation（维基媒体基金会） ； Barcelona（巴塞罗那） ； Spain（西班牙） 纠错

AI总结 本文提出一种多语言机器学习系统，帮助编辑识别需要引用的声明，通过测试10种语言版本的维基百科，优于现有基准，考虑模型准确性和计算效率的权衡。

Comments Accepted for publication at the Proceedings of the ACM Web Conference 2026 (WWW '26). Author's copy

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

Byte-token Enhanced Language Models for Temporal Point Processes Analysis

增强字节令牌的语言模型用于时间点过程分析

Quyu Kong, Yixuan Zhang, Yang Liu, Panrong Tong, Enqi Liu, Feng Zhou

机构 * Independent Researcher（独立研究者） ； Southeast University（东南大学） ； Center for Applied Statistics and School of Statistics, Renmin University of China（应用统计中心和中国人民大学统计学院） 纠错

AI总结 本文提出Language-TPP框架，结合时间点过程与大语言模型，通过新颖的时序编码机制将连续时间区间转换为字节令牌，提升Web事件序列建模性能，实现事件时间与类型预测的最优表现。

Comments WWW 2026

Hi-GMAE: Hierarchical Graph Masked Autoencoders

Hi-GMAE：分层图掩码自编码器

Chuang Liu, Zelin Yao, Xueqi Ma, Mukun Chen, Luzhi Wang, Jia Wu, Wenbin Hu

机构 * Sangfor Technologies Inc.（深之蓝科技有限公司） ； Wuhan University（武汉大学） ； The University of Melbourne（墨尔本大学） ； Dalian Maritime University（大连海事大学） ； Macquarie University（麦考瑞大学） ； Wuhan University, Wuhan University Shenzhen Research Institute（武汉大学深圳研究院） 纠错

AI总结 本文提出Hi-GMAE，一种多尺度图掩码自编码器，通过构建多尺度图层次结构，解决单尺度GMAE无法捕捉图的层次结构问题，实验表明其在17个图数据集上优于29种现有自监督方法。

Comments 12 pages, 9 figures. Accepted by WWW 2026

RaDAR: Relation-aware Diffusion-Asymmetric Graph Contrastive Learning for Recommendation

RaDAR: 关系感知的扩散非对称图对比学习用于推荐系统

Yixuan Huang, Jiawei Chen, Shengfan Zhang, Zongsheng Cao

机构 * University of Electronic Science and Technology of China（电子科技大学） ； National University of Defense Technology（国防科技大学） ； Tsinghua University（清华大学） 纠错

AI总结 RaDAR通过结合图生成模型和关系感知去噪模型，解决图对比学习中边扰动和数据稀疏的问题，提升推荐系统在噪声和稀疏条件下的性能。

Comments 12 pages, 5 figures. Accepted at WWW 2026

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

Hyperbolic Multimodal Generative Representation Learning for Generalized Zero-Shot Multimodal Information Extraction

双曲多模态生成表示学习用于广义零样本多模态信息提取

Baohang Zhou, Kehui Song, Rize Jin, Yu Zhao, Xuhui Sui, Xinying Qian, Xingyue Guo, Ying Zhang

AI总结 本文提出双曲多模态生成表示学习框架HMGRL，解决零样本多模态信息提取中见与不见类别共存的问题，通过双曲空间建模多级语义关联，提升模型泛化能力。

Comments Accepted by WWW 2026

FS_GPlib: Breaking the Web-Scale Barrier - A Unified Acceleration Framework for Graph Propagation Models

FS_GPlib：突破网络级障碍——图传播模型的统一加速框架

Chang Guo, Juyuan Zhang, Chang Su, Tianlong Fan, Linyuan Lü

AI总结 本文提出FS_GPlib，通过微粒同步消息传递与宏观批量蒙特卡洛模拟结合，实现大规模图传播建模的高效高保真模拟，实验显示其在标准库上达到3.5万倍加速，可在11秒内完成亿级边图的完整蒙特卡洛模拟。

Comments Accepted at ACM Web Conference 2026 (WWW2026)

Controllable Graph Generation with Diffusion Models via Inference-Time Tree Search Guidance

通过推理时间树搜索引导实现可控图生成

Jiachi Zhao, Zehong Wang, Yamei Liao, Chuxu Zhang, Yanfang Ye

机构 * University of Notre Dame（内布拉斯加大学） ； Independent Researcher（独立研究者） ； University of Connecticut（康涅狄格大学） 纠错

AI总结 本文提出TreeDiff框架，通过MCTS引导双空间扩散模型实现可控图生成，解决传统方法控制不足的问题，实验显示其在分子生成中表现优异。

Comments Accepted by WWW 2026

Weighted Reservoir Sampling With Replacement from Data Streams

带权替换采样从数据流中采样

Adriano Meligrana, Adriano Fazzone

AI总结 本文提出一种新的数据流采样方法，元素被选中的概率与其权重成正比。方法基于替换采样，能够在一次遍历中生成带权随机样本，且样本能直接用于后续处理。

Comments Accepted at the 2026 ACM Web Conference (WWW)