期刊&会议
Annual Meeting of the Association for Computational Linguistics · 会议 · Natural Language Processing
LLMs能否成为历史学家？通过中国科举制度评估LLMs的历史研究能力
机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全国家重点实验室） ； Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团）
AI总结 本文提出ProHist-Bench基准，基于中国科举制度评估LLMs的历史研究能力，揭示其在复杂历史问题上的不足，旨在推动领域特定推理LLM的发展。
Comments Accepted at ACL 2026
K-MetBench：一个多维基准，用于细粒度评估气象学中的专家推理、局部性和多模态能力
机构 * KAIST（韩国科学技术院） ； INEEJI ； Kongju National University（康久国立大学）
AI总结 本文提出K-MetBench，一个基于韩国资格考试的多维基准，揭示了专家推理、逻辑有效性、韩国地理文化理解及领域分析四个维度的差距，发现韩国模型在本地情境中优于大模型。
Comments 39 pages, 32 figures, 14 tables, including appendices. Accepted to Findings of the Association for Computational Linguistics (ACL 2026)
对齐的多视图脚本用于通用图表到代码生成
机构 * School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算机与信息学院）
AI总结 本文提出Chart2NCode数据集和CharLuMA模型，通过多语言监督提升图表到代码生成的可执行性和视觉一致性，优于开源基线并具备竞争力。
Comments Accepted to ACL 2026 Main Conference
SEARCH-R: 结构化实体感知检索与推理链导航器用于多跳问答
机构 * City University of Hong Kong（香港城市大学） ； Xi’an Jiaotong University（西安交通大学） ； Zhejiang University of Technology（浙江工业大学） ； Michigan State University（密歇根州立大学） ； Jilin University（吉林大学）
AI总结 SEARCH-R通过结构化实体感知检索与推理链导航器，解决多跳问答中推理路径生成和知识检索的准确性问题，提升多跳问答性能。
Comments ACL2026 findings
零样本大语言模型用于自动可读性评估
机构 * New Jersey Institute of Technology（新泽西理工学院）
AI总结 本文提出零样本提示方法用于自动可读性评估，并首次全面评估了使用大语言模型作为无监督方法的性能，通过测试10种不同开源大语言模型在14种不同数据集上的表现，证明了方法在14个数据集中优于先前方法，同时提出LAURAE结合LLM和可读性公式得分提升鲁棒性。
Comments Accepted to ACL 2026 (Main Conference)
你能让它听起来像你吗？为个人风格进行后编辑LLM生成文本
机构 * III University of Maryland（III 马里兰大学）
AI总结 研究探讨用户通过后编辑LLM生成文本来塑造个人风格的效果，发现后编辑提高了文本与用户自身写作的相似性，但降低了与LLM生成文本的相似性，同时减少了风格多样性。
Comments ACL 2026
全局上下文还是局部细节？面向幻觉缓解的自适应视觉 grounding
机构 * School of Astronautics, Beihang University（北航航天学院） ； Longcat Interaction Team, Meituan（美团Longcat交互团队） ； Tianmushan Laboratory, Beihang University（北航天门山实验室）
AI总结 本文提出PND框架，通过双路径对比在解码过程中增强视觉真实性，减少幻觉并提升描述细节，无需模型微调。
Comments 9 pages, 8 figures, Findings of ACL 2025
以自身声音对齐：用于减轻大型视觉-语言模型幻觉的自我纠正偏好学习
机构 * Graduate School of Advanced Imaging Sciences, Multimedia and Film（高级影像科学研究生院，多媒体与电影系） ； Department of Artificial Intelligence（人工智能系）
AI总结 本文提出AVES-DPO框架，通过内在知识生成分布数据，利用共识验证机制诊断幻觉并引导模型自我纠正，有效缓解LVLMs的幻觉问题，仅需5200样本即优于现有基线。
Comments Accepted to ACL 2026
SAGE：用于依赖感知表格数据生成的稀疏自适应指导
机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML））
AI总结 SAGE通过稀疏动态依赖指导提升表格数据生成的准确性和实用性，实验显示其在多个任务中提升了F1分数10%并减少政策违规。
Comments Accepted by ACL 2026
具有文化意识的大型语言模型机器翻译：基准测试与调查
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Peng Cheng Laboratory（鹏城实验室） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 本文提出CanMT数据集和评估框架，系统评估多种LLM在不同翻译策略下的表现，揭示模型在文化翻译中的性能差异及策略影响，指出文化特定项的翻译难度差异及评估可靠性问题。
Comments 26pages,25 figures ACL2026 main conference, long paper
DPEPO：基于大语言模型代理的多样化并行探索策略优化
机构 * University of Electronic Science and Technology of China（电子科技大学） ； DiDi（滴滴）
AI总结 本文提出DPEPO算法，通过并行探索提升大语言模型代理在复杂任务中的性能，实验表明其在ALFWorld和ScienceWorld上达到最先进的成功率。
Comments Accepted by ACL 2026 main conference
猜想与探究：通过交互式检索增强偏好获取量化软件性能需求
机构 * School of Computer Science and Engineering, UESTC（电子科技大学计算机科学与工程学院） ； IDEAS Lab, University of Birmingham（英国伯明翰大学IDEAS实验室）
AI总结 本文提出IRAP方法，通过交互式检索增强偏好获取将软件性能需求转化为数学函数，实验表明其在五个交互回合内实现最高40倍的性能提升。
Comments 9 pages,accepted by ACL 2026
为什么我们有道德？一种基于大语言模型的智能体模拟方法研究道德进化
AI总结 本文通过基于大语言模型的智能体模拟方法，探讨道德进化中的合作与互惠机制，发现普遍互惠道德在不同条件下表现稳定，而利己行为被强烈排斥，同时认知因素在道德演化中起关键作用。
Comments Accepted at ACL 2026 Main Conference. 51 pages including appendix
CUB：语言模型上下文利用技术的基准测试
机构 * Chalmers University of Technology（查尔姆斯理工大学） ； University of Gothenburg（哥德堡大学） ； Seoul National University（首尔国立大学） ； University of Copenhagen（哥本哈根大学） ； Ewha Womans University（成均馆大学）
AI总结 本文提出CUB基准，用于评估语言模型在不同噪声上下文下的上下文利用技术，发现现有方法在真实场景中存在不足，需更全面的测试。
Comments Accepted at ACL 2026, 33 pages
MultiDx: 一个面向诊断推理的多源知识整合框架
机构 * Xi’an Jiaotong University（西安交通大学） ； City University of Hong Kong（香港城市大学） ； Tencent Jarvis Lab（腾讯 Jarvis实验室） ； Westlake University（西湖大学）
AI总结 本文提出MultiDx框架，通过多源知识整合提升诊断推理能力，结合网络搜索、病例数据库等多视角证据，生成最终预测。
Comments ACL 2026 findings
AdapTime：在大语言模型中实现自适应时间推理
机构 * Xi’an Jiaotong University（西安交通大学） ； City University of Hong Kong（香港城市大学） ； Tencent Jarvis Lab（腾讯 Jarvis实验室） ； Westlake University（西湖大学）
AI总结 本文提出AdapTime方法，通过动态执行推理步骤提升大语言模型的时间推理能力，采用重构、重写和复核三步策略，无需外部工具即可增强模型对时间信息的处理能力。
Comments ACL 2026 findings
IRIS：交错强化与增量阶段课程用于跨语言数学推理
机构 * Singapore Institute of Technology（新加坡理工学院） ； IIIT Delhi（德里印度理工学院） ； University of California, San Diego（加州大学圣地亚哥分校） ； Nanyang Technological University（南洋理工大学） ； NVIDIA
AI总结 IRIS通过结合逐步增加难度的监督微调与逆课程强化学习，提升多语言数学推理能力，尤其在低资源和双语环境下表现突出。
Comments Accepted in ACL main
通过步骤级优势选择稳定高效推理
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Advanced Micro Devices, Inc.（先进微器件公司）
AI总结 本文提出SAS方法，在步骤层面选择优势，提升推理稳定性与效率，实验显示在多个基准上准确率提升0.86点，推理长度减少16.3%。
Comments Findings of ACL 2026, Code: https://github.com/HanNight/SAS
CT-FineBench：用于CT报告生成细粒度评估的诊断可信度基准
机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab（沪幻实验室） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 CT-FineBench通过基于问题回答的流程构建，评估CT报告的细粒度事实一致性，优于传统指标，能更敏感地捕捉临床细节错误。
Comments Accepted by ACL 2026 Main
KOMBO：基于子字符组合规则的韩文字符表示
机构 * Department of Artificial Intelligence, Korea University, Seoul, South Korea（人工智能系，韩国大学，首尔，韩国） ； Department of Computer Science and Engineering, Korea University, Seoul, South Korea（计算机科学与工程系，韩国大学，首尔，韩国）
AI总结 本文提出KOMBO框架，通过引入韩文发明原理来表示字符，提升了韩文NLP任务的性能，平均超越现有最佳模型2.11%。
Comments Presented at ACL 2024 Findings
大语言模型中逻辑推理的知识向量
机构 * Department of Computer & Information Science and Engineering（计算机与信息科学与工程系）
AI总结 本文研究了大语言模型中演绎、归纳和溯因推理的知识表示，发现其在线性空间中可独立表示，提出互补子空间约束框架以增强其互补性。
Comments Accepted to ACL 2026
重加热的玉米片？评估AI在跨文化新词交流中的支持作用
机构 * University of Maryland（马里兰大学）
AI总结 研究评估AI工具在帮助非母语者跨文化交流新词中的有效性，通过实验证明AI解释对提升母语者评价的竞争力有最大提升，但非母语者自我评估与实际表现存在偏差。
Comments ACL 2026 Findings
ShredBench：评估多模态大语言模型在文档重建中的语义推理能力
机构 * Xidian University（西安电子科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Alibaba Qwen（阿里巴巴量子计算实验室） ； Old Dominion University（旧 Dominion 大学）
AI总结 本文提出ShredBench基准，用于评估多模态大语言模型在文档重建任务中的语义推理能力，发现现有模型在处理破碎文档时存在显著性能差距。
Comments ACL 2026 Findings. Code available at https://github.com/ythere-y/ShredBench
LegalDrill: 以诊断驱动合成促进小型语言模型中的法律推理
机构 * Purdue University（普渡大学） ； Fidelity Investments（富达投资）
AI总结 LegalDrill通过精细提示提取并迭代优化教师模型的推理轨迹，结合自我反思验证选择有效数据，提升小型语言模型的法律推理能力，无需稀缺专家标注。
Comments ACL 2026 Industry Track
S2G-RAG：结构充分性与间隙判断用于迭代检索增强问答
机构 * Soochow University（苏州大学）
AI总结 S2G-RAG通过结构化充分性判断和间隙判断机制，提升多跳问答的准确性和鲁棒性，适用于多轮检索流程。
Comments Accepted to ACL 2026 Main Conference
GLIER：生成式法律推理与证据排序用于法律案例检索
机构 * Soochow University（苏州大学）
AI总结 GLIER通过生成式法律推理和证据排序框架，解决法律案例检索中非专业查询与专业文档间的语义鸿沟问题，提升检索的可解释性和准确性。
Comments Accepted to the ACL 2026 main conference
RTCFake: 语音深度伪造检测中的实时通信
机构 * Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education（航空航天信息安全部与可信计算教育部重点实验室） ； School of Cyber Science and Engineering, Wuhan University（武汉大学计算机科学与工程学院） ； School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院） ； Beihang University（北京航空航天大学）
AI总结 本文提出RTCFake数据集，用于实时通信场景下的语音深度伪造检测，结合平台不变语义表征学习策略，提升跨平台泛化能力与噪声鲁棒性。
Comments Accepted by ACL 2026
Tandem: 大小语言模型协同以实现高效的推理
机构 * City University of Hong Kong（香港城市大学） ； Tencent Jarvis Lab（腾讯Jarvis实验室） ； Renmin University of China（中国人民大学） ； Westlake University（西湖大学）
AI总结 Tandem通过结合大语言模型和小语言模型，减少计算成本并提升推理质量，实验表明其在数学推理和代码生成任务中性能优越。
Comments ACL 2026 Findings
FinGround：通过原子性声明验证检测和支撑金融幻觉
机构 * The University of Hong Kong（香港大学） ； Stellaris AI Limited（Stellaris AI有限公司）
AI总结 FinGround通过三阶段验证-支撑流程，针对金融文档问答中的计算错误进行验证和修正，有效降低幻觉率，其在金融领域具有重要应用价值。
Comments Accepted to ACL 2026 Industry Track. 14 pages, 1 figure, 14 tables
ComplianceNLP：基于知识图谱的多框架监管缺口检测RAG系统
机构 * The University of Hong Kong（香港大学） ； Stellaris AI Limited（Stellaris AI有限公司）
AI总结 ComplianceNLP通过整合知识图谱增强的RAG系统，实现监管变化自动监控、义务提取及合规缺口识别，其在监管缺口检测上达到87.7 F1，优于GPT-4o+RAG，且在实际部署中显著提升分析师效率。
Comments Accepted at ACL 2026 Industry Track. 19 pages, 15 tables, 1 figure
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈