WWW / The Web Conference

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

Daniel Daza, Michael Cochez, Paul Groth

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） 纠错

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

Shusaku Egami, Masahiro Hamasaki

机构 * National Institute of Advanced Industrial Sciencen 纠错

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

Zhen Zhang, Zihan Wang, Xinyu Ma, Shuaiqiang Wang, Dawei Yin, Xin Xin, Pengjie Ren, Maarten de Rijke, Zhaochun Ren

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

Hefei Xu, Le Wu, Yu Wang, Min Hou, Han Wu, Zhen Zhang, Meng Wang

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） 纠错

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