ACL

SciCustom: A Framework for Custom Evaluation of Scientific Capabilities in Large Language Models

SciCustom: 一个用于大型语言模型科学能力定制评估的框架

Yiyang Gu, Junwei Yang, Junyu Luo, Ye Yuan, Bin Feng, Yingce Xia, Shufang Xie, Kaili Liu, Bohan Wu, Qi Shi, Haoran Li, Beier Xiao, Zhiping Xiao, Xiao Luo, Weizhi Zhang, Philip S. Yu, Zequn Liu, Ming Zhang

机构 * State Key Laboratory for Multimedia Information Processing, School of Computer Science, PKU-Anker LLM Lab, Peking University（多媒体信息处理国家重点实验室，计算机学院，PKU-Anker LLM实验室，北京大学） ； Zhongguancun Academy（中关村学院） ； IDEA ； Xidian University（西安电子科技大学） ； Peking University（北京大学） ； University of Washington（华盛顿大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

AI总结 本文提出SciCustom框架，通过从大规模科学数据中自定义构建基准，评估LLM在特定科学任务中的能力，无需专家标注或合成问题生成，展示了细粒度科学能力差异。

Comments Accepted to ACL 2026 Main Conference

A Multi-Agent Framework for Feature-Constrained Difficulty Control in Reading Comprehension Item Generation

一种用于特征约束难度控制的多智能体框架（在阅读理解项目生成中）

Seonjeong Hwang, Jun Seo, Hyounghun Kim, Gary Geunbae Lee

机构 * Graduate School of Artificial Intelligence, POSTECH, Republic of Korea（韩国POSTECH人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH, Republic of Korea（韩国POSTECH计算机科学与工程系） 纠错

AI总结 本文提出MAFIG多智能体框架，通过多个LLM代理和特征特定评估器协作生成并迭代修订项目，以满足特征约束，从而实现更稳定的难度控制。

Comments ACL 2026 Main Conference

ReacTOD: Bounded Neuro-Symbolic Agentic NLU for Zero-Shot Dialogue State Tracking

ReacTOD：用于零样本对话状态跟踪的受限神经符号代理NLU

Yanjun Lin, Zimo Xiao, Kartik Natarajan, Mahesh Sankaranarayanan, Niraj Nawanit, Rakshit Parashar, Austin Zhang, Karthik Konaraddi, Rishita Mote, Wei Niu

机构 * Amazon（亚马逊） 纠错

AI总结 该研究提出ReacTOD，一种受限神经符号架构，通过在自我纠正的ReAct循环中将NLU重新表述为离散工具调用来解决零样本对话状态跟踪问题，其核心方法是确定性验证，主要贡献是实现了新的零样本状态-of-the-art结果。

Comments Accepted at TrustNLP Workshop at ACL 2026

CRAFT: Critic-Refined Adaptive Key-Frame Targeting for Multimodal Video Question Answering

CRAFT: 基于批评的自适应关键帧目标定位用于多模态视频问答

Mahesh Bhosale, Abdul Wasi, Vishvesh Trivedi, Pengyu Yan, Akhil Gorugantu, David Doermann

机构 * University at Buffalo（布法罗大学） ； New York University（纽约大学） 纠错

AI总结 该研究提出CRAFT方法，通过动态关键帧选择、每视频ASR与多语言回退以及混合批评循环，迭代验证和修复声明，最终实现多模态视频问答的准确证据聚合。

Comments Accepted at ACL 2026 Multimodal Augmented Generation via MultimodAl Retrieval Workshop

DetectRL-X: Towards Reliable Multilingual and Real-World LLM-Generated Text Detection

DetectRL-X: 向可靠多语言和真实世界LLM生成文本检测迈进

Junchao Wu, Yefeng Liu, Chenyu Zhu, Hao Zhang, Zeyu Wu, Tianqi Shi, Yichao Du, Longyue Wang, Weihua Luo, Jinsong Su, Derek F. Wong

机构 * NLP2 CT Lab, Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学学院NLP2 CT实验室） ； Alibaba Group（阿里巴巴集团） ； Xiamen University（厦门大学） 纠错

AI总结 本文提出DetectRL-X，一个综合性的多语言基准，用于评估先进检测器在8个维度上的性能，通过8种常见商业语言和6种易受LLM滥用的领域人类文本，结合4种流行商业LLM生成文本及润色、扩展和缩写等AI辅助写作操作，分析不同语言、领域、生成器、攻击策略、文本长度和润色操作对检测器性能的影响，以强化多语言和语言特定检测器。

Comments ACL 2026 Main. Code and data are available at https://github.com/AIDC-AI/Marco-LLM/tree/main/DetectRL-X

Revisiting a Pain in the Neck: A Semantic Reasoning Benchmark for Language Models

重新审视一个令人头疼的问题：一种用于语言模型的语义推理基准

Yang Liu, Hongming Li, Melissa Xiaohui Qin, Qiankun Liu, Chao Huang

机构 * University of Science and Technology Beijing（北京科技大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） 纠错

AI总结 本文提出SemanticQA基准，用于评估语言模型在语义短语处理任务中的表现，通过整合现有多词表达资源并重新组织为统一测试平台，涵盖通用词汇现象及三种细粒度类别，评估不同架构和规模的语言模型在提取、分类、解释及任务组合中的性能，揭示语义推理任务中模型性能的显著差异，为提升语言模型在非平凡语义短语上的理解能力提供见解。

Comments ACL 2026 (Oral), 24 pages, 22 figures, 14 tables

C-ReD: A Comprehensive Chinese Benchmark for AI-Generated Text Detection Derived from Real-World Prompts

C-ReD：一个源自真实世界提示的综合性中文AI生成文本检测基准

Chenxi Qing, Junxi Wu, Zheng Liu, Yixiang Qiu, Hongyao Yu, Bin Chen, Hao Wu, Shu-Tao Xia

机构 * Tsinghua University（清华大学） ； Nankai University（南开大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Shannon InfoTech 纠错

AI总结 本文提出C-ReD基准，用于检测AI生成的中文文本，通过解决模型多样性、领域覆盖和提示真实性等关键问题，提升检测性能和泛化能力。

Comments ACL 2026 Findings

Qayyem: A Real-time Platform for Scoring Proficiency of Arabic Essays

Qayyem: 一个实时平台用于评分阿拉伯语作文的熟练程度

Hoor Elbahnasawi, Marwan Sayed, Sohaila Eltanbouly, Fatima Brahamia, Tamer Elsayed

机构 * Computer Science and Engineering Department, Qatar University（卡塔尔大学计算机科学与工程系） 纠错

AI总结 本文提出Qayyem平台，提供阿拉伯语作文评分的集成工作流程，通过友好的界面简化评分服务器API的交互，部署了多种先进的阿拉伯语作文评分模型。

Comments Accepted at ACL 2026

Difficulty-Controllable Cloze Question Distractor Generation

可调节难度的填空题干扰项生成

Seokhoon Kang, Yejin Jeon, Seonjeong Hwang, Gary Geunbae Lee

机构 * Graduate School of Artificial Intelligence, POSTECH, South Korea（韩国立科学技术院人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH, South Korea（韩国立科学技术院计算机科学与工程系） ； Mila Quebec AI Institute, Canada（魁北克AI研究院） ； McGill University, Canada（麦吉尔大学） 纠错

AI总结 本文提出了一种可调节难度的填空题干扰项生成框架，通过数据增强和多任务学习策略，生成高质量且标注难度的干扰项，优于GPT-4o在匹配干扰项难度与人类感知方面。

Comments Accepted to ACL 2026 Main Conference

Can LLMs Estimate Cognitive Complexity of Reading Comprehension Items?

LLMs能否估算阅读理解题的认知复杂性？

Seonjeong Hwang, Hyounghun Kim, Gary Geunbae Lee

机构 * Graduate School of Artificial Intelligence, POSTECH, Republic of Korea（韩国立科学技术院人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH, Republic of Korea（韩国立科学技术院计算机科学与工程系） 纠错

AI总结 本文研究了大型语言模型是否能通过证据范围和转换级别两个维度估算阅读理解题的认知复杂性，结果显示LLMs能够近似估算认知复杂性，但存在推理能力与元认知意识之间的差距。

Comments ACL 2026 Main Conference

CAPC-CG: A Large-Scale, Expert-Directed LLM-Annotated Corpus of Adaptive Policy Communication in China

CAPC-CG：一个大规模、专家指导的中国适应性政策沟通LLM注释语料库

Bolun Sun, Charles Chang, Yuen Yuen Ang, Ruotong Mu, Yuchen Xu, Zhengxin Zhang, Pingxu Hao

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Northwestern University（西北大学） ； Duke Kunshan University（杜克-昆山大学） 纠错

AI总结 本文介绍了CAPC-CG语料库，该语料库是首个开放的中国政策指令注释语料库，基于Ang的适应性政策沟通理论，采用五色分类法对清晰和模糊语言类别进行标注，旨在支持下游任务和多语言NLP研究。

Comments Accepted for publication in the Proceedings of ACL Main 2026

Improving Korean-English Cross-Lingual Retrieval: A Data-Centric Study of Language Composition and Model Merging

改进韩英跨语言检索：语言组成与模型融合的数据导向研究

Youngjoon Jang, Junyoung Son, Taemin Lee, Seongtae Hong, Hyeonseok Moon, Seungyoon Lee, Andrew Matteson, Heuiseok Lim

AI总结 本研究通过构建语言平行的韩英数据集，探讨了训练数据组成对跨语言检索和单语言检索性能的影响，发现语言组合显著影响检索性能，并通过模型融合策略有效缓解了两者之间的权衡问题。

Comments ACL 2026 MeLLM Workshop

DMN: A Compositional Framework for Jailbreaking Multimodal LLMs with Multi-Image Inputs

DMN: 一种用于多图像输入多模态大语言模型的组合框架

Wenzhuo Xu, Zhipeng Wei, Zonghao Ying, Deyue Zhang, Dongdong Yang, Xiangzheng Zhang, Quanchen Zou

机构 * AI Security Lab（360人工智能安全实验室） ； International Computer Science Institute（国际计算机科学研究所） ； UC Berkeley（加州大学伯克利分校） ； Beihang University（北航大学） 纠错

AI总结 本文提出DMN框架，通过分布式指令、多模态证据和数字链任务，提升多图像输入多模态大语言模型的 jailbreak 性能，实验表明其在GPT-4o、Gemini-2.5-pro和Claude Sonnet 4上的攻击成功率超过90%。

Comments ACL 2026 main conference

ClusterRAG: Cluster-Based Collaborative Filtering for Personalized Retrieval-Augmented Generation

ClusterRAG: 基于聚类的协同过滤用于个性化检索增强生成

Gibson Nkhata, Uttamasha Anjally Oyshi, Quan Mai, Susan Gauch

机构 * University of Arkansas（阿肯色大学） ； Walmart Inc.（沃尔玛公司） 纠错

AI总结 ClusterRAG通过聚类用户轮廓文档，利用相似用户的协同信号提升当前用户的个性化生成性能，通过在集群和文档层面进行检索，实现了高效的个性化检索增强生成。

Comments 17 pages, 2 figures, to be published in the proceedings of ACL 2026

Retrieve Only Relevant Tables Whether Few or Many: Adaptive Table Retrieval Method

仅检索相关表格，无论多少：自适应表格检索方法

Taehee Kim, Seungbin Yang, Jihwan Kim, Jaegul Choo

机构 * KAIST AI（韩国科学技术院人工智能研究所） 纠错

AI总结 本文提出了一种自适应表格检索方法，根据查询需求调整检索表格数量，通过自适应阈值机制和滑动窗口重排序算法，有效解决传统top-k检索策略的局限性，提升检索和下游任务性能。

Comments ACL 2026 Findings