KDD

scHelix: Asymmetric Dual-Stream Integration via Explicit Gene-Level Disentanglement

scHelix: 通过显式基因层面解缠实现非对称双流整合

Xichen Yan, Zelin Zang, Changxi Chi, Jingbo Zhou, Chang Yu, Jinlin Wu, Shenghui Cheng, Fuji Yang, Jiebo Luo, Zhen Lei, Stan Z. Li

机构 * Jinan University（济南大学） ； Westlake University（西湖大学） 纠错

AI总结 scHelix通过显式基因层面解缠实现非对称双流整合，解决单细胞RNA测序数据整合中消除批次效应与保持生物学忠实性之间的矛盾，通过双流稀疏扩散编码器和非对称对齐-细化-融合协议提升整合效果。

Comments 17 pages, 8 figures, accepted by KDD 26

SENSE: Satellite-based ENergy Synthesis for Sustainable Environment

SENSE: 基于卫星的能源合成以实现可持续环境

Kailai Sun, Mingyi He, Heye Huang, Can Rong, Alok Prakash, Baoshen Guo, Shenhao Wang, Jinhua Zhao

机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of Florida（佛罗里达大学） 纠错

AI总结 本文提出SENSE，一种统一的生成性城市建筑能耗框架，通过结合生成扩散模型和大规模视觉模型知识，生成高分辨率的城市卫星图像和对齐的高质量建筑能耗和高度地图，以提高城市可持续发展预测性能。

Comments Accpted by KDD 2026 (Oral)

TeleCom-Bench: How Far Are Large Language Models from Industrial Telecommunication Applications?

TeleCom-Bench: 大型语言模型在工业电信应用中还有多远？

Jieting Xiao, Yun Lin, Huizhen Qiu, Rui Ma, Chen Zhong, Dongyang Xu, Xiao Long, Chaoyu Zhang, Qiaobo Hao, Ding Zou, Zhiguo Yang, Yanqin Gao, Fang Tan

机构 * ZTE Corporation（中兴通讯） 纠错

AI总结 本文提出TeleCom-Bench，一个包含12个评估集和22678个精选样本的全面基准，旨在评估大型语言模型在电信领域的综合能力，揭示其在工业流程中的执行能力缺口。

Comments Accepted by KDD 2026

Towards Universal Spatial Transcriptomics Super-Resolution: A Generalist Physically Consistent Flow Matching Framework

迈向通用空间转录组超分辨率：一种通用的物理一致流匹配框架

Xinlei Huang, Weihao Dai, Zijun Qin, Xin Yu, Di Wang, Yanran Liu, Lixin Cheng, Xubin Zheng

AI总结 本文提出SRast框架，通过策略性解耦架构和物理先验，解决空间转录组超分辨率中的异质性和物理一致性问题，实现跨物种、组织和平台的高超分辨率性能。

Journal ref SIGKDD 2026

S$^2$GR: Stepwise Semantic-Guided Reasoning in Latent Space for Generative Recommendation

S$^2$GR: 潜在空间中基于分步语义引导的生成推荐

Zihao Guo, Jian Wang, Ruxin Zhou, Youhua Liu, Jiawei Guo, Jun Zhao, Xiaoxiao Xu, Yongqi Liu, Kaiqiao Zhan

AI总结 本文提出S$^2$GR框架，通过在生成SID代码前插入思考令牌，建立稳健的语义基础，提升生成推荐的推理能力与性能。

Comments Accepted by KDD 2026

Text-Guided Visual Representation Learning for Robust Multimodal E-Commerce Recommendation

基于文本引导的视觉表示学习用于鲁棒的多模态电子商务推荐

Yufei Guo, Jing Ma, Tianlu Zhang, Shijie Yang, Yanlong Zang, Weijie Ding, Pinghua Gong, Jungong Han

AI总结 本文提出Text-Guided Q-Former框架，通过结构化元数据指导视觉令牌提取，提升多模态检索的鲁棒性，实验表明其在电子商务数据集上显著提升了检索性能。

Comments 12 pages, 5 figures. Accepted to the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026). Pre-camera-ready version

Invariant-Stratified Propagation for Expressive Graph Neural Networks

不变量分层传播用于表达性图神经网络

Asela Hevapathige, Ahad N. Zehmakan, Asiri Wijesinghe, Saman Halgamuge

机构 * Department of Mechanical Engineering University of Melbourne（墨尔本大学机械工程系） ； School of Computing Australian National University（澳大利亚国立大学计算机学院） 纠错

AI总结 本文提出不变量分层传播框架，通过改进的WL变体和高效神经网络实现，提升图神经网络的表达能力，解决结构异质性捕捉问题。

Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)

AdaGraph: A Graph-Native Clustering Algorithm That Overcomes the Curse of Dimensionality and Enables Scientific Discovery

AdaGraph：一种克服维度诅咒并促进科学发现的图原生聚类算法

Ahmed Elmahdi

机构 * Independent Researcher（独立研究者） 纠错

AI总结 AdaGraph是一种基于图的聚类算法，通过结构导向的计算方法克服维度诅咒，其在10个合成数据集上表现优异，且在基因表达、文本聚类和材料科学领域实现了科学发现。

Comments 12 pages, 4 figures, 1 table. Full paper in preparation for KDD 2027