价值信号（value signals）是一种在用户层面聚合得到的道德表征，它刻画了用户在网络言论中所表现出的、可被推断的价值倾向。这篇题为《ValueGraph: Value-Signal Guided Graph Pre-training for Contextualized User Representation》的论文指出，社交媒体上的用户行为不仅受其言论内容和互动对象影响，也受到其表达态度时所依托的价值信号塑造。现有的用户表征方法大多忽略了这一与价值相关的维度。为此，作者提出 ValueGraph——一个图预训练框架，将自动推断出的道德价值信号作为带噪声的辅助信号，用于构建情境化的用户表征。
在方法上，ValueGraph 从帖子—回复图（post-reply graphs）中学习语义与结构两类表征，并借助对比学习与聚类目标，依据用户之间相对的价值相似性对其进行对齐。与把推断价值当作金标准心理标签的做法不同，ValueGraph 将这些推断值视为表示学习中的软约束（soft constraints），从而在利用价值信息的同时容忍其噪声与不确定性。论文强调，这一设计选择正是该方法区别于传统心理标注式建模的关键。
实验部分选取了立场检测（stance detection）与推特机器人检测（twitter bot detection）两项任务。结果显示，ValueGraph 相对强基线取得了一致性的提升，这些基线涵盖基于文本的方法、基于图的方法，以及仅使用文本的大语言模型方法。作者据此认为，价值信号引导为社会性用户建模提供了一种有用的归纳偏置（inductive bias）。
该论文于 2026 年 8 月 30 日提交至 arXiv，第一作者为 Yitong Han，另有 5 位合著者，提交者（from）为 Wei Gao。论文编号为 arXiv:2609.00057v1，属于 cs.CL（计算与语言）范畴，同时交叉列入 cs.AI（人工智能）与 cs.LG（机器学习）。DOI 为 https://doi.org/10.48550/arXiv.2609.00057，由 DataCite 发放。提交时间为 2026 年 8 月 30 日 13:39:30 UTC，全文文件大小约 4,405 KB。
在 arXiv 页面上，论文提供 PDF 全文、实验性 HTML 版本以及 TeX 源码等多种获取方式，并附带许可信息查看入口。页面还整合了 NASA ADS、Google Scholar、Semantic Scholar 等引用与参考文献检索工具，以及 Connected Papers、Litmaps、scite 等文献探索与智能引用服务；代码、数据与媒体关联方面则列出 alphaXiv、CatalyzeX、DagsHub、Gotit.pub、Hugging Face、ScienceCast 等链接与演示入口。此外，页面提供 Influence Flower、CORE Recommender 等推荐与搜索工具，并可按作者、会议/期刊、机构、主题浏览相关内容。
值得注意的是，arXiv 页面中的这些文献工具与社区功能（如 arXivLabs 相关说明）属于平台层面的通用信息，与论文本身的研究内容无直接关系。就研究贡献而言，ValueGraph 的核心思路可概括为三点：一是把价值信号引入用户表征学习；二是以软约束方式处理推断价值的不确定性；三是在立场检测与机器人检测两类下游任务上验证了该思路的有效性。论文结论认为，这种价值引导的建模方式值得在社会感知的用户表征研究中进一步探索。