WWW / The Web Conference

FairRec: Two-Sided Fairness for Personalized Recommendations in Two-Sided Platforms

FairRec: 二元平台个性化推荐中的双面公平性

Gourab K Patro, Arpita Biswas, Niloy Ganguly, Krishna P. Gummadi, Abhijnan Chakraborty

机构 * Indian Institute of Science, India（印度科学研究所） 纠错

AI总结 FairRec通过确保生产者和客户双方的公平性，在双面平台中实现个性化推荐的公平性，同时保持推荐质量的轻微损失。

Comments In Proceedings of The Web Conference (WWW) 2020

Breaking Semantic-Aware Watermarks via LLM-Guided Coherence-Preserving Semantic Injection

破坏语义感知水印：通过LLM引导的保持连贯性语义注入

Zheng Gao, Xiaoyu Li, Zhicheng Bao, Xiaoyan Feng, Jiaojiao Jiang

机构 * University of New South Wales（新南威尔士大学） ； Griffith University（格里菲斯大学） 纠错

AI总结 本文提出CSI攻击，利用LLM引导的语义操纵破坏语义水印的绑定，揭示当前语义水印设计在面对LLM驱动的语义扰动时的安全漏洞。

Comments Accepted by The Web Conference 2026 (Short Paper Track)

TRACE: Trajectory-Aware Comprehensive Evaluation for Deep Research Agents

TRACE: 基于轨迹的深度研究代理综合评估

Yanyu Chen, Jiyue Jiang, Jiahong Liu, Yifei Zhang, Xiao Guo, Irwin King

机构 * The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 TRACE提出基于轨迹的深度研究代理综合评估框架，通过分层效用函数和阶梯式能力评估协议，解决单一指标评估的不足，揭示代理在准确性、效率和鲁棒性之间的关键权衡。

Comments Accepted by WWW 2026

AgentDR: Dynamic Recommendation with Implicit Item-Item Relations via LLM-based Agents

AgentDR: 通过基于LLM的代理进行动态推荐：利用隐式物品-物品关系

Mingdai Yang, Nurendra Choudhary, Jiangshu Du, Edward W. Huang, Philip S. Yu, Karthik Subbian, Danai Koutra

机构 * Amazon（亚马逊） ； University of Michigan（密歇根大学） 纠错

AI总结 AgentDR通过基于LLM的代理利用隐式物品-物品关系，结合记忆机制和提示策略，提升动态推荐的全排名性能和相关性。

Comments 12 pages, accepted by WWW'26 as long paper

Diffusion Generative Recommendation with Continuous Tokens

基于连续令牌的扩散生成推荐

Haohao Qu, Shanru Lin, Yujuan Ding, Yiqi Wang, Wenqi Fan

机构 * The Hong Kong Polytechnic University（香港理工大学） ； City University of Hong Kong（香港城市大学） ； National University of Defense Technology（国防科技大学） 纠错

AI总结 ContRec通过整合连续令牌和扩散模型，提升基于LLM的推荐系统性能。

Comments Accepted by The ACM Web Conference (WWW 2026)

FairFS: Addressing Deep Feature Selection Biases for Recommender System

FairFS: 解决推荐系统中深度特征选择偏差

Xianquan Wang, Zhaocheng Du, Jieming Zhu, Qinglin Jia, Zhenhua Dong, Kai Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Noah's Ark Lab（华为诺亚实验室） 纠错

AI总结 FairFS通过正则化和聚合方法解决推荐系统中深度特征选择的层、基线和近似偏差问题，提升特征选择的准确性和效率。

Comments Accepted by The Web Conference 2026

Spiking Graph Predictive Coding for Reliable OOD Generalization

脉冲图预测编码用于可靠的分布外泛化

Jing Ren, Jiapeng Du, Bowen Li, Ziqi Xu, Xin Zheng, Hong Jia, Suyu Ma, Xiwei Xu, Feng Xia

机构 * RMIT University（皇家墨尔本理工大学） ； University of Auckland（奥克兰大学） 纠错

AI总结 SIGHT是一种基于脉冲图预测编码的图学习模块，通过迭代纠正提升模型在分布外泛化中的可靠性与可解释性。

Comments 12 pages, 6 figures, WWW26, Dubai, United Arab Emirates

MemoTime: Memory-Augmented Temporal Knowledge Graph Enhanced Large Language Model Reasoning

MemoTime: 带记忆的时序知识图增强大语言模型推理

Xingyu Tan, Xiaoyang Wang, Qing Liu, Xiwei Xu, Xin Yuan, Liming Zhu, Wenjie Zhang

机构 * UNSW Data61（新南威尔士大学Data61） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； UNSW Sydney Australia（新南威尔士大学悉尼分校） ； Data61, CSIRO（Data61，澳大利亚联邦科学与工业研究组织） 纠错

AI总结 MemoTime通过带记忆的时序知识图框架提升LLM的时序推理能力，解决多跳推理、多实体同步、运算符适应和经验重用等挑战，实现先进性能。

Comments Accepted by The Web Conference 2026 (WWW, 2026)

Retrieval Collapses When AI Pollutes the Web

当AI污染网络时检索崩溃

Hongyeon Yu, Dongchan Kim, Young-Bum Kim

机构 * NAVER Corp.（NAVER公司） 纠错

AI总结 研究发现AI生成内容污染导致检索系统崩溃，需引入检索意识策略以防止质量下降。

Comments 4 pages, Proceedings of The Web Conference 2026 (WWW '26)

FeDecider: An LLM-Based Framework for Federated Cross-Domain Recommendation

FeDecider: 一种基于大语言模型的联邦跨域推荐框架

Xinrui He, Ting-Wei Li, Tianxin Wei, Xuying Ning, Xinyu He, Wenxuan Bao, Hanghang Tong, Jingrui He

AI总结 FeDecider是一种基于大语言模型的联邦跨域推荐框架，通过解耦客户端低秩更新并学习个性化权重，有效解决跨域推荐中的过拟合和异质性问题。

Comments Accepted to The Web Conference (WWW) 2026

Language Model Representations for Efficient Few-Shot Tabular Classification

用于高效少样本表格分类的语言模型表示

Inwon Kang, Parikshit Ram, Yi Zhou, Horst Samulowitz, Oshani Seneviratne

机构 * Rensselaer Polytechnic Institute（罗格斯理工学院） ； IBM Research（IBM研究） 纠错

AI总结 本文提出TaRl方法，利用语言模型的语义嵌入进行少样本表格分类，通过移除公共组件和校准温度提升性能，实现高效利用现有LLM基础设施。

Comments Accepted to WWW'26

PRoH: Dynamic Planning and Reasoning over Knowledge Hypergraphs for Retrieval-Augmented Generation

PRoH：基于知识超图的动态规划与推理用于检索增强生成

Xiangjun Zai, Xingyu Tan, Xiaoyang Wang, Qing Liu, Xiwei Xu, Wenjie Zhang

机构 * University of New South Wales（新南威尔士大学） 纠错

AI总结 PRoH通过动态规划与推理知识超图框架，提升检索增强生成任务中多跳问答的性能和鲁棒性。

Comments Accepted by The Web Conference 2026 (WWW, 2026)

Can Multimodal LLMs Perform Time Series Anomaly Detection?

多模态大语言模型能否进行时间序列异常检测？

Xiongxiao Xu, Haoran Wang, Yueqing Liang, Philip S. Yu, Yue Zhao, Kai Shu

机构 * Illinois Institute of Technology（伊利诺伊理工学院） ； Emory University（埃默里大学） ； University of Illinois Chicago（伊利诺伊大学香槟分校） ； University of Southern California（南加州大学） 纠错

AI总结 本研究提出基于多代理框架的TSAD-Agents，利用多模态大语言模型实现自动时间序列异常检测。

Comments ACM Web Conference 2026 (WWW'26)

Online GPU Energy Optimization with Switching-Aware Bandits

在线GPU能耗优化与开关感知老虎机

Xiongxiao Xu, Solomon Abera Bekele, Brice Videau, Kai Shu

机构 * Illinois Institute of Technology（伊利诺伊理工学院） ； Argonne National Laboratory（阿贡国家实验室） ； Emory University（埃默里大学） 纠错

AI总结 本文提出EnergyUCB，一种基于老虎机的轻量级控制器，通过动态调整GPU频率实现能耗优化，同时保证服务质量约束。

Comments ACM Web Conference 2026 (WWW'26)

HyperRAG: Reasoning N-ary Facts over Hypergraphs for Retrieval Augmented Generation

HyperRAG：基于超图的n元事实推理用于检索增强生成

Wen-Sheng Lien, Yu-Kai Chan, Hao-Lung Hsiao, Bo-Kai Ruan, Meng-Fen Chiang, Chien-An Chen, Yi-Ren Yeh, Hong-Han Shuai

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； National Kaohsiung Normal University（国立高雄师范大学） ； Institute for Clarity in Documentation（文档清晰研究所） ； Inria Paris-Rocquencourt（巴黎-勒克努尔研究所） ； Rajiv Gandhi University（拉贾·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒尔研究实验室） 纠错

AI总结 HyperRAG通过n元超图推理提升检索增强生成的准确性与效率

Comments Accepted by The ACM Web Conference 2026 (WWW '26)

VSAL: A Vision Solver with Adaptive Layouts for Graph Property Detection

基于自适应布局的图属性检测视觉求解器

Jiahao Xie, Guangmo Tong

机构 * University of Delaware（德克萨斯大学） 纠错

AI总结 VSAL通过自适应布局生成器提升图属性检测性能，优于现有视觉方法。

Comments Accepted by The Web Conference (WWW) 2026

From Newborn to Impact: Bias-Aware Citation Prediction

从婴儿到影响：偏见感知引用预测

Mingfei Lu, Mengjia Wu, Jiawei Xu, Weikai Li, Feng Liu, Ying Ding, Yizhou Sun, Jie Lu, Yi Zhang

AI总结 本文提出偏见感知引用预测框架，通过多代理图协同与稳健机制，提升对低引用论文的预测稳定性，实验显示在误差和排名指标上均优于基线方法。

Comments This paper has been accepted at The Web Conference (WWW) 2026

Linking Souls to Humans: Blockchain Accounts with Credible Anonymity for Web 3.0 Decentralized Identity

将灵魂链接到人类：基于区块链的可信匿名账户用于Web 3.0去中心化身份

Taotao Wang, Zibin Lin, Shengli Zhang, Long Shi, Qing Yang, Boris Düdder

AI总结 zkBID通过零知识证明和可链接环签名实现区块链账户的可信匿名，解决去中心化身份系统中用户身份混淆问题。

Comments This paper was accepted to ACM Web Conference (WWW) 2025

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

From Native Memes to Global Moderation: Cross-Cultural Evaluation of Vision-Language Models for Hateful Meme Detection

从本土迷因到全球监管：跨文化评估视觉-语言模型在仇恨迷因检测中的应用

Mo Wang, Kaixuan Ren, Pratik Jalan, Ahmed Ashraf, Tuong Vy Vu, Rahul Seetharaman, Shah Nawaz, Usman Naseem

机构 * Macquarie University（麦考瑞大学） ； Nile University（尼罗大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Johannes Kepler University（约翰尼斯·开普勒大学） 纠错

AI总结 本文通过跨文化评估揭示视觉-语言模型在仇恨迷因检测中的文化偏见问题，并提出本土语言提示和一样本学习等改进策略以提升模型的公平性和鲁棒性。

Comments 12 pages, 5 figures, Proceedings of the ACM Web Conference 2026 (WWW '26)

Enhancing Ride-Hailing Forecasting at DiDi with Multi-View Geospatial Representation Learning from the Web

通过网络多视角地理空间表示学习提升滴滴出行预测

Xixuan Hao, Guicheng Li, Daiqiang Wu, Xusen Guo, Yumeng Zhu, Zhichao Zou, Peng Zhen, Yao Yao, Yuxuan Liang

机构 * The Hong Kong University of Science ； China University of Geoscience (Wuhan) Wuhan China ； Didichuxing Co.\ Ltd Beijing China ； China University of Geoscience (Wuhan) ； Didichuxing Co.\ Ltd 纠错

AI总结 本文提出MVGR-Net框架，通过多视角地理空间表示学习和提示赋能的框架，提升滴滴出行预测的准确性与鲁棒性。

Comments Accepted by The Web Conference 2026

Unifying Deductive and Abductive Reasoning in Knowledge Graphs with Masked Diffusion Model

在知识图谱中统一演绎推理和归纳推理的遮蔽扩散模型

Yisen Gao, Jiaxin Bai, Yi Huang, Xingcheng Fu, Qingyun Sun, Yangqiu Song

机构 * Engineering Hong Kong University of Science ； Engineering \ University Beijing China ； Key Lab of Education Blockchain ； Intelligent Technology \ Normal University Guilin China ； Engineering \ University ； Intelligent Technology \ Normal University 纠错

AI总结 DARK通过统一的遮蔽扩散模型框架，结合自我反思去噪和逻辑探索强化学习，实现了知识图谱中演绎与归纳推理的高效统一。

Comments Accepted by The Web Conference 2026

Efficient Learning of Sparse Representations from Interactions

从交互中高效学习稀疏表示

Vojtěch Vančura, Martin Spišák, Rodrigo Alves, Ladislav Peška

AI总结 通过高效学习稀疏表示，实现推荐系统中嵌入规模的显著压缩，同时保持推荐准确性。

Comments In the proceedings of the Web Conference (WWW) 2026 (4 pages)

Camel: Frame-Level Bandwidth Estimation for Low-Latency Live Streaming under Video Bitrate Undershooting

Camel：面向低延迟实时流媒体的帧级带宽估计

Liming Liu, Zhidong Jia, Li Jiang, Wei Zhang, Lan Xie, Feng Qian, Leju Yan, Bing Yan, Qiang Ma, Zhou Sha, Wei Yang, Yixuan Ban, Xinggong Zhang

AI总结 Camel通过帧级拥塞控制算法提升低延迟流媒体的带宽利用率，减少卡顿并提高媒体质量。

Comments 8 pages, 20 figures, to appear in WWW 2026

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

Personalized Parameter-Efficient Fine-Tuning of Foundation Models for Multimodal Recommendation

面向多模态推荐的个性化参数高效微调

Sunwoo Kim, Hyunjin Hwang, Kijung Shin

AI总结 本文提出PerPEFT，一种面向多模态推荐的个性化参数高效微调策略，通过按兴趣分组并为每个组分配独立模块，提升推荐效果。

Comments To be published at The Web Conference 2026 (WWW 2026)

VK-LSVD: A Large-Scale Industrial Dataset for Short-Video Recommendation

VK-LSVD：一个大规模工业数据集用于短视频推荐

Aleksandr Poslavsky, Alexander D'yakonov, Yuriy Dorn, Andrey Zimovnov

AI总结 VK-LSVD是一个大规模工业数据集，用于提升短视频推荐系统的研究与应用

Comments Accepted to The ACM Web Conference 2026 (WWW '26). Preprint of conference paper. 7 pages, 2 (7) figures, 4 tables. Dataset available at: https://huggingface.co/datasets/deepvk/VK-LSVD

Truth with a Twist: The Rhetoric of Persuasion in Professional vs. Community-Authored Fact-Checks

真理中的微妙之处：专业与社区撰写的事实核查中的说服修辞

Olesya Razuvayevskaya, Kalina Bontcheva

机构 * The University of Sheffield（谢菲尔德大学） 纠错

AI总结 本研究比较了专业与社区撰写的事实核查中的说服技巧，发现两者在技巧使用上无显著差异，并揭示了修辞差异背后的机构规范和主题覆盖差异。

Comments In Proceedings of the ACM Web Conference 2026 (WWW 2026)