2026年11月1日至5日，第27届国际网络信息系统工程会议（The 27th International Conference on Web Information Systems Engineering，WISE 2026）在意大利威尼斯举行。SCHOLAT团队在汤庸教授带领下赴意大利参加会议，并结合线上形式开展学术交流。会议期间，团队成员唐双姣、梁艺霖、曾琛和林铭镕分别通过线下口头报告和线上汇报的形式展示了四项研究成果，研究内容涵盖学术社交网络分析、知识追踪、编程学习行为建模及大语言模型推理等方向。

WISE是网络信息系统工程领域具有重要影响力的国际学术会议，致力于推动网络信息系统、数据挖掘、人工智能及相关领域的研究与发展。本届会议汇聚了来自不同国家和地区的研究人员，为展示前沿研究成果、交流创新方法及探讨学术问题提供了重要平台。

团队博士生唐双姣于11月1日在威尼斯会议现场，以口头报告的形式分享了论文《Whose Posts Get Seen? A Quality-Aware Analysis of Ranked Exposure in Academic Social Networks》。该研究以学者网（SCHOLAT）为研究场景，围绕学术社交网络中内容质量与曝光机会之间的关系展开分析。研究利用大语言模型评估学术帖子的内容质量，结合作者可见度、用户行为及社交网络特征，分析基于预测转发概率的排序结果是否能够为高质量学术内容提供相应的曝光机会。研究发现，在该排序机制下，部分由低可见度作者发布的高质量内容难以获得充分曝光。进一步的受限重排序实验表明，在预测转发效用损失较小的条件下，可以显著改善这类内容的曝光情况。该工作从内容质量与曝光分配的角度，为学术社交网络中的信息传播与排序机制研究提供了新的实证证据。

图 1  唐双姣作现场汇报

团队成员梁艺霖通过线上形式汇报了论文《Scholat-CoT: An Evidence-Grounded Chain-of-Thought Framework for Context-Intensive Question Answering》。该研究针对复杂上下文问答中大语言模型容易生成不完整或缺乏证据支持的回答这一问题，提出证据驱动的思维链推理框架Scholat-CoT。该框架通过基于证据的推理与一致性整合构建高质量思维链候选池，并引入综合上下文的最大边际相关性方法（HC-MMR），从问题与原始上下文的联合表示中选择具有多样性且与上下文匹配的推理示例。研究还构建了面向学者领域的Scholat-QA问答数据集，并在多个大语言模型及通用推理基准上开展实验，为提升复杂上下文问答的准确性与证据可靠性提供了新的解决思路。

图 2  梁艺霖作线上汇报

图 3  曾琛作线上汇报

图 4  林铭镕作现场汇报

本次会议期间，团队四位成员通过线下口头报告与线上汇报相结合的形式，向国内外学者分享了不同研究方向上的最新探索。四项研究分别聚焦学术社交网络中的信息曝光分配、复杂问答中的证据驱动推理、编程学习过程中的动态反馈利用，以及教育场景中的认知状态建模，体现了团队在数据挖掘、人工智能及其交叉应用方向上的持续研究与探索。

此次参会不仅为团队提供了展示研究成果的机会，也为了解相关领域的最新进展、学习不同研究思路和拓展国际学术视野创造了良好条件。通过参与国际学术会议，团队成员进一步了解了相关领域的前沿研究动态，为后续研究工作的开展提供了新的启发。

未来，SCHOLAT团队将继续围绕数据智能、教育人工智能、社交网络分析及大语言模型等方向深入开展研究，积极参与国内外高水平学术交流，持续探索人工智能技术在真实应用场景中的研究价值与应用潜力。