University of Pennsylvania（宾夕法尼亚大学）

AtlasNLP: A Country-Aware Atlas of Dataset Representation in NLP

AtlasNLP：NLP中数据集表示的国家感知图集

Joan Nwatu, Tsedeniya Solomon Amare, Longju Bai, Bontu Fufa Balcha, Zayd Bashir, Angana Borah, Zara Burzo, Yubin Choi, Naihao Deng, Samika Gupta, Michel Faloughi, Claude Kwizera, Ziqiao Ma, Cynthia Yacel Fuertes Panizo, Ellie Seehorn, Hui Shen, Jiayi Tang, Zesen Zhao, Boyuan Zheng, Rada Mihalcea

机构 * University of Michigan（密歇根大学） ； Addis Ababa University（亚的斯亚贝巴大学） ； San Jose State University（圣何塞州立大学） ； Skyline High School（斯凯莱恩高中） ； University of Pennsylvania（宾夕法尼亚大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本研究推出AtlasNLP国家感知图集，含13000余条NLP数据集记录及两个子数据集，发现各国各任务数据集覆盖不均等问题，推动NLP评估补充地理元数据。

Comments Proceedings of the 2026 Conference on Empirical Methods in Natural Language Processing

RegDivergence-101: An LLM Benchmark for Cross-Jurisdiction Regulatory Contradiction Detection in Life Sciences

RegDivergence-101：用于生命科学领域跨司法管辖区监管矛盾检测的大语言模型基准

Chuchu Wu, Zhiyin Zhou, Jingzhuo Hu, Liang You

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Pratt Institute（普拉特学院） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Pittsburgh（匹兹堡大学） 纠错

AI总结 本文发布RegDivergence-101基准，提出跨司法管辖区监管分歧检测任务，对比四类方法性能，发现未提及类的检测特性，为大规模检测指明架构方向。

Sparse Koopman Autoencoders Identify Local Dynamical Regimes in Multibasin Systems

稀疏Koopman自编码器识别多盆系统中的局部动力学 regime

Aidan Li, Uday Kiran Reddy Tadipatri, Mahan Fathi, Sarath Chandar, Ross Goroshin

机构 * Chandar Research Lab（钱达尔研究实验室） ； Mila – Quebec AI Institute（米拉-魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； University of Pennsylvania（宾夕法尼亚大学） ； NVIDIA（英伟达） ； Polytechnique Montréal（蒙特利尔理工学院） 纠错

AI总结 该研究提出稀疏Koopman自编码器（SKAEs），无需标签即可识别多盆系统的局部动力学 regime，其预测性能优于密隐KAEs，且隐支撑可有效识别吸引盆。

CORE-T: COherent REtrieval of Tables for Text-to-SQL

CORE-T: 面向文本到SQL的表格连贯检索

Hassan Soliman, Vivek Gupta, Dan Roth, Iryna Gurevych

机构 * Ubiquitous Knowledge Processing Lab (UKP Lab), Department of Computer Science TU Darmstadt and National Research Center for Applied Cybersecurity ATHENE, Germany（普适知识处理实验室（UKP实验室），计算机科学系 TU Darmstadt 和应用网络安全国家研究中心 ATHENE，德国） ； Arizona State University（亚利桑那州立大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 提出CORE-T框架，通过LLM生成元数据和预计算兼容性缓存，在无需训练的情况下从异构表集合中高效检索连贯可连接的表集合，提升表选择F1最多22.7点并减少40%的表数量。

Comments Accepted at EMNLP Main 2026. Camera-ready version with revisions following peer review. Code and data available at: https://github.com/UKPLab/emnlp2026-core-t

Different Demographic Cues Yield Inconsistent Conclusions About LLM Personalization and Bias

不同的人口统计线索导致对LLM个性化和偏见的结论不一致

Manuel Tonneau, Neil K. R. Sehgal, Niyati Malhotra, Sharif Kazemi, Victor Orozco-Olvera, Ana María Muñoz Boudet, Lakshmi Subramanian, Samuel P. Fraiberger, Sharath Chandra Guntuku, Valentin Hofmann

机构 * World Bank（世界银行） ； University of Oxford（牛津大学） ； New York University（纽约大学） ； University of Pennsylvania（宾夕法尼亚大学） ； LMU Munich（慕尼黑大学） ； Allen Institute for AI（人工智能研究院） 纠错

AI总结 研究通过1480万个提示测试了人口统计线索对LLM响应的影响，发现同一群体的不同线索导致响应变化不一致，偏见结论不稳定，揭示了身份线索与语言信号的关系。

Comments Accepted to EMNLP 2026 (Main Conference)

Real-Time Deadlines Reveal Fragile Temporal Adaptation in LLM Strategic Dialogues

实时截止时间揭示了LLM战略对话中的时间意识失败

Neil K. R. Sehgal, Sharath Chandra Guntuku, Lyle Ungar

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 研究发现LLM在时间敏感任务中存在时间跟踪不足的问题，导致在实时截止条件下表现不佳，但能在回合制限制下表现良好。

Journal ref 2026 Conference on Empirical Methods in Natural Language Processing

Test of partial effects for Frechet regression on Bures-Wasserstein manifolds

关于Bures-Wasserstein流形上Fréchet回归的偏效应检验

Haoshu Xu, Hongzhe Li

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本研究针对响应位于Bures-Wasserstein流形的Fréchet回归提出偏效应检验，建立其渐近性质并验证有限样本性能，将其应用于分析年龄对单细胞数据基因共表达结构的影响。

Optimal Estimation of Watermark Proportions in Hybrid AI-Human Texts

混合AI-人类文本中水印比例的最优估计

Xiang Li, Garrett Wen, Weiqing He, Jiayuan Wu, Qi Long, Weijie J. Su

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Yale University（耶鲁大学） 纠错

AI总结 本文针对混合AI-人类文本的水印比例估计问题，基于核心统计量构建混合模型，提出高效估计量，证明其达到极小极大下界，在合成数据与开源模型生成的混合文本上均实现高估计精度。