Meta

From Interpretability to Control: Insights from Six Years of the TrustNLP Workshop

从可解释性到控制：TrustNLP研讨会六年的启示

Rahul Gupta, Abhinav Mohanty, Anaelia Ovalle, Anil Ramakrishna, Anubrata Das, Apurv Verma, Jwala Dhamala, Ninareh Mehrabi, Tharindu Kumarage, Yada Pruksachatkun, Yang Trista Cao, Kai-Wei Chang, Aram Galstyan

机构 * Meta ； Autodesk（欧特克公司） ； New Jersey Institute of Technology（新泽西理工学院） ； Salesforce（salesforce公司） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Amazon AGI（亚马逊AGI） 纠错

AI总结 该研究基于TrustNLP研讨会六年论文，分析NLP可信领域从可解释性到生成式系统控制的转变，明确各信任维度的发展趋势及与领域整体的关联性，提出结构性见解与研究方向。

Comments 17 pages, 2 figures, 3 tables. Submitted to ACL ARR August 2026 cycle (EACL 2027)

MARCO: Click-Intent Decomposition for Calibrated Ads Conversion Prediction

MARCO：用于校准广告转化预测的点击意图分解

Shiwen Shen, Xiru Huang, Liang Luo, Jianbo Sun, He Lyu, Zihang Fu, Ivonne Xu, Zhizhuo Li, Zhengyu Zhang, Pei-Ju Sung, Yunmiao Wang, Zixuan Wang, Zhengli Zhao, Qiang Jin, Mike Jermann, Mingda Li, Yang Xiao, Bhavana Challa, Brooke Bian, Yang Li, Ashish Chamoli, Bibek Bhusal, Danning Di, Yuan Jin, Meet Raval, Zhiwen Chen, Boyao Sun, Shuguang Wang, Yunlong He, Yantao Yao, Sagar Chordia, Wenlin Chen, Santanu Kolay, Qin Huang, Ellie Wen

机构 * Meta AI 纠错

AI总结 MARCO框架通过按意图分解点击解决广告转化预测的校准偏差，经离线在线验证，部署后各意图校准近100%，每点击转化率提升2.80%，核心指标累计提升0.98%。

Thought-Level Beam Search for Reasoning

用于推理的思维级束搜索

Lijie Yang, Hongyin Luo, Jiawei Zhao, Tri Dao, Ravi Netravali

机构 * Princeton University（普林斯顿大学） ； MIT（麻省理工学院） ； Meta AI 纠错

AI总结 针对大型推理模型测试时计算分配的低效问题，提出执行思维级束搜索的Gambit算法，在固定硬件预算下，其在准确率、吞吐量、token消耗等指标上均优于现有基线方法。

Comments Add the author Jiawei Zhao in Meta Data

Grounded Post-Training with Hard Examples for Reducing Hallucination in Multimodal Large Language Models

通过分布偏移下的分阶段偏好优化减少视觉-语言模型中的幻觉

Qinwu Xu

机构 * Meta AI 纠错

AI总结 本文提出分阶段偏好优化框架，通过构建针对幻觉问题的数据集，提升视觉-语言模型的 grounded reasoning，减少幻觉并提高响应信息量。

Simulating Organized Group Behavior: New Framework, Benchmark, and Analysis

模拟有组织群体行为：新框架、基准和分析

Xinkai Zou, Yiming Huang, Zhuohang Wu, Jian Sha, Nan Huang, Longfei Yun, Jingbo Shang, Letian Peng

机构 * University of California, San Diego（加州大学圣迭戈分校） ； University of California, Irvine（加州大学尔湾分校） ； Meta 纠错

AI总结 本文提出新框架和基准，用于模拟有组织群体决策，通过结构化分析模型提升预测性能，并揭示群体行为随时间的变化及跨群体相似性。

Comments Accepted by COLM 2026