WWW / The Web Conference

Moral Outrage Shapes Commitments Beyond Attention: Multimodal Moral Emotions on YouTube in Korea and the US

道德愤怒影响承诺：韩国和美国YouTube上的多模态道德情感

Seongchan Park, Jaehong Kim, Hyeonseung Kim, Heejin Bin, Sue Moon, Wonjae Lee

机构 * KAIST（韩国科学技术院） 纠错

AI总结 本研究通过多模态道德情感分类器分析YouTube上道德愤怒对用户参与度的影响，发现其在不同文化中均能提升观看和评论等互动行为。

Comments Accepted at The Web Conference 2026. We release Korean and English multimodal moral emotion classifiers

WED-Net: A Weather-Effect Disentanglement Network with Causal Augmentation for Urban Flow Prediction

WED-Net：一种用于城市流预测的天气影响解纠缠网络与因果增强

Qian Hong, Siyuan Chang, Xiao Zhou

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学光明学院人工智能学院） ； School of Statistics, Renmin University of China（中国人民大学统计学院） 纠错

AI总结 WED-Net通过双分支Transformer架构和因果增强策略，实现对城市流预测中天气影响的解纠缠，提升极端天气下的预测性能。

Comments The ACM on Web Conference 2026 (WWW'26)

FraudShield: Knowledge Graph Empowered Defense for LLMs against Fraud Attacks

FraudShield: 基于知识图谱的LLM对抗欺诈攻击防御方案

Naen Xu, Jinghuai Zhang, Ping He, Chunyi Zhou, Jun Wang, Zhihui Fu, Tianyu Du, Zhaoxiang Wang, Shouling Ji

机构 * Zhejiang University（浙江大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； OPPO Research Institute（OPPO研究院） ； Zhejiang Key Laboratory of Decision Intelligence（浙江决策智能重点实验室） 纠错

AI总结 FraudShield通过构建欺诈战术-关键词知识图谱，提升LLM对抗欺诈攻击的能力，实验显示其在多个LLM和欺诈类型上表现优异，且提供可解释的防御线索。

Comments WWW 2026

Spattack: Subgroup Poisoning Attacks on Federated Recommender Systems

Spattack：联邦推荐系统中的子群污染攻击

Bo Yan, Yurong Hao, Dingqi Liu, Huabin Sun, Pengpeng Qiao, Wei Yang Bryan Lim, Yang Cao, Chuan Shi

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanyang Technological University（南洋理工大学） ； Institute of Science Tokyo（东京科学研究所） 纠错

AI总结 Spattack是一种针对联邦推荐系统中特定用户子群的污染攻击，通过近似和推广策略实现高效推荐操纵，同时保持隐蔽性和低检测风险。

Comments Accepted by WWW 2026

Are LLMs Stable Formal Logic Translators in Logical Reasoning Across Linguistically Diversified Texts?

LLMs是否在跨语言多样化文本中的逻辑推理中是稳定的正式逻辑翻译器？

Qingchuan Li, Jiatong Li, Zirui Liu, Mingyue Cheng, Yuting Zeng, Qi Liu, Tongxuan Liu

机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（认知智能国家重点实验室，中国科学技术大学） ； School of Computer Science and Technology, University of Science and Technology of China（计算机科学与技术学院，中国科学技术大学） ； School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学） 纠错

AI总结 本文提出SoLT基准测试和MenTaL方法，揭示LLMs在跨语言多样化文本中存在符号映射不一致问题，并通过增强语言多样性提升推理稳定性。

Comments Accepted by WWW2026

Genomic-Informed Heterogeneous Graph Learning for Spatiotemporal Avian Influenza Outbreak Forecasting

基于基因组信息的异构图学习用于时空禽流感爆发预测

Jing Du, Haley Stone, Yang Yang, Ashna Desai, Hao Xue, Andreas Züfle, Chandini Raina MacIntyre, Flora D. Salim

AI总结 基于基因组信息的异构图学习方法用于提高禽流感爆发预测的准确性，通过整合遗传、空间和生态数据，实现更精准的传播动态建模。

Comments 13 pages, 3 figures, 4 tables. The paper is accepted by The Web Conference 2026

The Double-Edged Sword of Knowledge Transfer: Diagnosing and Curing Fairness Pathologies in Cross-Domain Recommendation

知识迁移的双刃剑：诊断和治疗跨领域推荐中的公平性病理

Yuhan Zhao, Weixin Chen, Li Chen, Weike Pan

AI总结 本文提出CDFA框架，通过自适应整合未标记数据和信息论方法，解决跨领域推荐中的公平性问题，减少不公平性并提升推荐性能。

Comments Accepted by WWW'26

Thinking Broad, Acting Fast: Latent Reasoning Distillation from Multi-Perspective Chain-of-Thought for E-Commerce Relevance

深度思考，快速行动：多视角链式推理的潜在推理蒸馏用于电子商务相关性

Baopu Qiu, Hao Chen, Yuanrong Wu, Changtong Zan, Chao Wei, Weiru Zhang, Xiaoyi Zeng

机构 * Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） ； Zhejiang University（浙江大学） 纠错

AI总结 本文提出多视角链式推理蒸馏方法，通过改进的教师模型和轻量级学生模型提升电子商务搜索相关性建模的准确性和效率。

Comments 12 pages, 6 figures, Accepted by WWW2026 industry track

ICL-EVADER: Zero-Query Black-Box Evasion Attacks on In-Context Learning and Their Defenses

ICL-EVADER: 零查询黑盒对抗攻击及对In-Context学习及其防御

Ningyuan He, Ronghong Huang, Qianqian Tang, Hongyu Wang, Xianghang Mi, Shanqing Guo

AI总结 ICL-Evader提出零查询黑盒对抗攻击方法，揭示ICL的脆弱性并提供防御方案。

Comments 32 pages, Accepted by The Web Conference 2026 (WWW '26)

Modeling Endogenous Logic: Causal Neuro-Symbolic Reasoning Model for Explainable Multi-Behavior Recommendation

内生逻辑建模：可解释的多行为推荐因果神经符号推理模型

Yuzhe Chen, Jie Cao, Youquan Wang, Haicheng Tao, Darko B. Vukovic, Jia Wu

机构 * School of Computer Science and Engineering（计算机科学与工程学院） ； Nanjing University of Science and Technology（南京理工大学） ； School of Management（管理学院） ； Hefei University of Technology（合肥工业大学） ； School of Computer Science and Artificial Intelligence（计算机科学与人工智能学院） ； Nanjing University of Finance and Economics（南京财经大学） ； Department of Finance and Accounting（金融与会计系） ； Saint Petersburg State University（圣彼得堡国立大学） ； School of Computing（计算机学院） ； Macquarie University（麦考瑞大学） 纠错

AI总结 本文提出一种因果神经符号推理模型，用于可解释的多行为推荐，通过内生逻辑建模和因果推断提升推荐系统的可解释性和泛化能力。

Comments Accepted to The Web Conference (WWW) 2026

Intelli-Planner: Towards Customized Urban Planning via Large Language Model Empowered Reinforcement Learning

Intelli-Planner: 通过大型语言模型赋能的强化学习实现定制化城市规划

Xixian Yong, Peilin Sun, Zihe Wang, Xiao Zhou

机构 * Gaoling School of Artificial Intelligence\ University of China Beijing China ； Gaoling School of Artificial Intelligence\ University of China 纠错

AI总结 Intelli-Planner通过结合深度强化学习与大型语言模型，实现定制化城市规划，提升规划方案的参与度和满意度。

Comments The Web Conference 2026

AC2L-GAD: Active Counterfactual Contrastive Learning for Graph Anomaly Detection

AC2L-GAD: 基于主动反事实对比学习的图异常检测

Kamal Berahmand, Saman Forouzandeh, Mehrnoush Mohammadi, Parham Moradi, Mahdi Jalili

机构 * RMIT University（皇家墨尔本理工大学） ； The University of Queensland（昆士兰大学） 纠错

AI总结 AC2L-GAD 通过主动反事实对比学习方法，在图异常检测中有效解决标签稀缺和类别不平衡问题，提升检测性能。

Journal ref The ACM Web Conference (WWW 2026)

SMART: A Social Movement Analysis & Reasoning Tool with Case Studies on #MeToo and #BlackLivesMatter

SMART：一种社会运动分析与推理工具：以#MeToo和#BlackLivesMatter案例研究为例

Valerio La Gatta, Marco Postiglione, Jeremy Gilbert, Daniel W. Linna, Morgan Manella Greenfield, Aaron Shaw, V. S. Subrahmanian

AI总结 SMART通过分析社交媒体数据，利用Transformer模型预测情绪变化，帮助记者更精准地报道社会运动与SDGs相关议题。

Comments Accepted at 2026 ACM The Web Conference (WWW 2026)

Modeling Cascaded Delay Feedback for Online Net Conversion Rate Prediction: Benchmark, Insights and Solutions

对在线净转化率预测的级联延迟反馈建模：基准测试、洞察与解决方案

Mingxuan Luo, Guipeng Xv, Sishuo Chen, Xinyu Li, Li Zhang, Zhangming Chan, Xiang-Rong Sheng, Han Zhu, Jian Xu, Bo Zheng, Chen Lin

机构 * Xiamen University Xiamen China ； Taobao \& Tmall Group of Alibaba Beijing China ； Xiamen University ； Taobao \& Tmall Group of Alibaba 纠错

AI总结 本文提出TESLA框架，通过级联建模CVR和退款率，解决NetCVR预测中的延迟反馈问题，实现性能提升。

Comments This paper has been accepted by the ACM Web Conference (WWW) 2026. This is the camera-ready version. Please refer to the published version for citation once available

D-Models and E-Models: Diversity-Stability Trade-offs in the Sampling Behavior of Large Language Models

D模型和E模型：大语言模型采样行为中的多样性-稳定性权衡

Jia Gu, Liang Pang, Huawei Shen, Xueqi Cheng

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 研究揭示了大语言模型中D模型与E模型在采样行为上的多样性-稳定性权衡，为任务应用中的模型选择提供了指导。

Comments 12 pages, 10 figures. Accepted by WWW'26

MultiHateLoc: Towards Temporal Localisation of Multimodal Hate Content in Online Videos

MultiHateLoc：迈向在线视频中多模态仇恨内容的时间定位

Qiyue Sun, Tailin Chen, Yinghui Zhang, Yuchen Zhang, Jiangbei Yue, Jianbo Jiao, Zeyu Fu

机构 * Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系） ； Institute for Analytics and Data Science, University of Essex（埃塞克斯大学分析与数据科学研究所） ； School of Computer Science, University of Birmingham（伯明翰大学计算机科学学院） 纠错

AI总结 MultiHateLoc提出了一种弱监督多模态仇恨内容时间定位框架，通过动态跨模态融合和模态感知MIL目标实现细粒度帧级预测。

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

EMSEdit: Efficient Multi-Step Meta-Learning-based Model Editing

EMSEdit: 基于多步元学习的高效模型编辑

Xiaopeng Li, Shasha Li, Xi Wang, Shezheng Song, Bin Ji, Shangwen Wang, Jun Ma, Xiaodong Liu, Mina Liu, Jie Yu

机构 * National University of Denfense Technology（国防科技大学） 纠错

AI总结 EMSEdit通过多步反向传播和范数正则化提升模型编辑效率，在低数据和复杂编辑任务中表现优异。

Comments Accepted at WWW2026

Boosting Large Language Models for Mental Manipulation Detection via Data Augmentation and Distillation

通过数据增强和蒸馏提升大语言模型用于心理操控检测

Yuansheng Gao, Peng Gao, Han Bao, Bin Li, Jixiang Luo, Zonghui Wang, Wenzhi Chen

机构 * Zhejiang University（浙江大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究所（TeleAI），中国电信） 纠错

AI总结 通过数据增强和蒸馏提升大语言模型用于心理操控检测，提高检测准确率和F1指标

Comments Accepted to WWW 2026

GORAG: Graph-based Online Retrieval Augmented Generation for Dynamic Few-shot Social Media Text Classification

基于图的在线检索增强生成用于动态少样本社交媒体文本分类

Yubo Wang, Haoyang Li, Fei Teng, Lei Chen

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Guangzhou HKUST Fok Ying Tung Research Institute（广州HKUST福ying顿研究 institute） 纠错

AI总结 GORAG提出一种基于图的在线检索增强生成框架，用于动态少样本社交媒体文本分类，通过构建关键词和标签的加权图并动态检索上下文以提升分类性能。

Comments Accepted by WWW 2026

Post-Training Fairness Control: A Single-Train Framework for Dynamic Fairness in Recommendation

训练后公平性控制：一个用于推荐中动态公平性的单一训练框架

Weixin Chen, Li Chen, Yuhan Zhao

机构 * Hong Kong Baptist University（香港 Baptist 大学） 纠错

AI总结 Cofair提出一个单一训练框架，通过共享表示层和公平性条件适配器模块，在推荐系统中实现动态公平性控制，无需重新训练即可适应不同公平性需求。

Comments Accepted to WWW 2026 Workshop on HCRS (Oral Presentation)

Delayed Feedback Modeling for Post-Click Gross Merchandise Volume Prediction: Benchmark, Insights and Approaches

点击后商品体积预测的延迟反馈建模：基准测试、洞察与方法

Xinyu Li, Sishuo Chen, Guipeng Xv, Li Zhang, Mingxuan Luo, Zhangming Chan, Xiang-Rong Sheng, Han Zhu, Jian Xu, Chen Lin

机构 * School of Informatics, Xiamen University Xiamen China ； Taobao \& Tmall Group of Alibaba Beijing China ； School of Informatics, Xiamen University ； Taobao \& Tmall Group of Alibaba 纠错

AI总结 本文提出READER模型，通过在线流式训练和动态校准回归目标，提升GMV预测性能，揭示复购样本与单次购买样本标签分布差异，推动延迟反馈建模研究。

Comments This paper has been accepted by the ACM Web Conference (WWW) 2026. This is the camera-ready version. Please refer to the published version for citation once available

Dynamics of Human-AI Collective Knowledge on the Web: A Scalable Model and Insights for Sustainable Growth

人类-人工智能集体知识在Web上的动态：一个可扩展的模型和可持续增长的见解

Buddhika Nettasinghe, Kang Zhao

机构 * University of Iowa（爱荷华大学） 纠错

AI总结 本文提出了一种可扩展的动态模型，用于研究人类与人工智能共同知识在Web上的演变，通过分析不同增长模式和政策影响，为可持续增长提供见解。

Comments Accepted for ACM Web Conference 2026 (WWW26)

RPO-RAG: Aligning Small LLMs with Relation-aware Preference Optimization for Knowledge Graph Question Answering

RPO-RAG: 通过关系感知的偏好优化对齐小型LLM以实现知识图谱问答

Kaehyun Um, KyuHwan Yeom, Haerim Yang, Minyoung Choi, Hyeongjun Yang, Kyong-Ho Lee

机构 * Yonsei University（延世大学） 纠错

AI总结 RPO-RAG通过关系感知的偏好优化和以答案为中心的提示设计，提升小型LLM在知识图谱问答中的推理能力，实现性能提升。

Comments Accepted at The Web Conference (WWW) 2026

PULSE: Socially-Aware User Representation Modeling Toward Parameter-Efficient Graph Collaborative Filtering

PULSE: 基于社会感知的用户表示建模以实现参数高效的图协同过滤

Doyun Choi, Cheonwoo Lee, Biniyam Aschalew Tolera, Taewook Ham, Chanyoung Park, Jaemin Yoo

AI总结 PULSE通过社会感知信号构建用户表示，实现参数高效的图协同过滤，优于多种基线方法。

Comments 12 pages. This paper is accepted at 2026 ACM Web Conference (WWW)

Read as You See: Guiding Unimodal LLMs for Low-Resource Explainable Harmful Meme Detection

读取即可见：引导单模LLM进行低资源可解释有害迷因检测

Fengjun Pan, Xiaobao Wu, Tho Quan, Anh Tuan Luu

机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Ho Chi Minh City University of Technology（胡志明市技术大学） ； VinUniversity（文大学） 纠错

AI总结 U-CoT+通过轻量级单模LLM和高保真迷因到文本管道，实现低资源、可解释的有害迷因检测，有效提升模型灵活性和适应性。

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

Talos: Optimizing Top-$K$ Accuracy in Recommender Systems

Talos: 优化推荐系统中的Top-K准确度

Shengjia Zhang, Weiqin Yang, Jiawei Chen, Peng Wu, Yuegang Sun, Gang Wang, Qihao Shi, Can Wang

机构 * Zhejiang University（浙江大学） ； Beijing Technology and Business University（北京技术与商务大学） ； Bangsheng Technology Co,Ltd.（bangsheng 技术有限公司） ； Hangzhou City University（杭州市大学） 纠错

AI总结 Talos通过分位数技术优化推荐系统中的Top-K准确度，解决计算开销和分布偏移问题。

Comments Accepted by WWW'26

Riddle Quest : The Enigma of Words

谜题 quest：词语的谜题

Niharika Sri Parasa, Chaitali Diwan, Srinath Srinivasa

AI总结 本文提出了一种生成和评估基于类比谜题的流程，研究大型语言模型在不同谜题类型中恢复完整答案集的能力，发现模型在推理覆盖和歧义处理方面存在不足。

Comments This paper is submitted under 'Demo track' for WWW conference

Causal Pre-training Under the Fairness Lens: An Empirical Study of TabPFN

从公平性视角看因果预训练：对TabPFN的实证研究

Qinyi Liu, Mohammad Khalil, Naman Goel

机构 * University of Bergen Centre for the Science of Learning \& Technology (SLATE) Bergen Norway ； Department of Computer Science University of Oxford ； Alan Turing Institute Oxford United Kingdom ； University of Bergen ； University of Oxford ； Alan Turing Institute 纠错

AI总结 本研究从公平性角度评估了TabPFN的因果预训练效果，发现其在预测准确性上表现优异，但在公平性改进方面存在局限，特别是在面对缺失-不在随机协变量偏移时。

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

Diversity-Augmented Negative Sampling for Implicit Collaborative Filtering

多样性增强的隐式协同过滤负采样

Yueqing Xuan, Kacper Sokol, Mark Sanderson, Jeffrey Chan

AI总结 本文提出一种多样性增强的负采样方法，通过引入用户特定缓存和代表性子集选择，生成信息丰富且多样化的负训练数据，提升推荐质量。

Comments Accepted to The Web Conference (WWW) 2026

GraphRAG-R1: Graph Retrieval-Augmented Generation with Process-Constrained Reinforcement Learning

GraphRAG-R1: 基于过程约束强化学习的图检索增强生成

Chuanyue Yu, Kuo Zhao, Yuhan Li, Heng Chang, Mingjian Feng, Xiangzhe Jiang, Yufei Sun, Jia Li, Yuzhi Zhang, Jianxin Li, Ziwei Zhang

机构 * Nankai University（南开大学） ； Huawei Technologies Ltd（华为技术有限公司） ； Beihang University（北航） 纠错

AI总结 GraphRAG-R1通过过程约束强化学习提升LLM多跳推理能力，结合改进的GRPO方法和两种新型奖励函数，有效解决复杂问题。

Comments Accepted by the Web Conference 2026