期刊&会议
Annual Meeting of the Association for Computational Linguistics · 会议 · Natural Language Processing
LLM-XTM：利用大语言模型增强跨语言主题模型
机构 * Hanoi University of Science and Technology（河内科学技术大学） ； VNU University of Engineering and Technology（VNU工程技术大学） ； Monash University（墨尔本大学）
AI总结 提出LLM-XTM框架，通过LLM引导的主题精炼与自一致性不确定性量化，以黑盒方式稳定提升跨语言主题模型的连贯性和对齐性，减少对双语资源的依赖。
Comments ACL 2026
聚类自评估：一种简单而有效的大型语言模型不确定性量化方法
机构 * The University of Tokyo（东京大学）
AI总结 提出一种基于语义聚类和多项选择概率的简单自评估方法，用于大型语言模型的不确定性量化，在多个模型和数据集上优于基线方法。
Comments Findings of ACL 2026
重新思考习语可分解性假说：来自分布学习的证据
机构 * University of Sheffield（谢菲尔德大学） ； Berliner Hochschule für Technik (BHT)（柏林技术大学（BHT）） ； University of Exeter（埃克塞特大学） ； Federal University of Rio Grande do Norte, Brazil（巴西北里奥格兰德联邦大学）
AI总结 本文利用上下文语言模型作为受控分布学习者，研究习语可分解性（构成意义对整体比喻意义的贡献程度）与句法灵活性的关系，发现模型导出的可分解性与人类判断弱相关，与句法灵活性呈微小但一致的负相关，且习语表征的稳定化受惊讶度、可分解性和频率共同影响，其中可分解性具有最强的训练依赖效应。
Comments ACL 2026 Main - long paper (9 pages + Appendices)
大型语言模型对自己的回答过度自信
机构 * Johannes Gutenberg University Mainz（莱茵河畔明斯特约翰·古腾堡大学） ； University of Colorado Boulder（科罗拉多大学波德分校）
AI总结 研究指令微调与聊天模板导致的大型语言模型校准偏差，发现“所有权偏见”使模型对自己的回答自信度高出26%，并提出通过将模型回答伪装为用户输入来降低过度自信。
Comments Accepted to ACL 2026 Findings
Lingo_Research_Group 在 SemEval-2026 任务 9：评估用于极化检测的提示变体
机构 * Lingo Research Group（Lingo研究组） ； Indian Institute of Technology Gandhinagar（印度理工学院加尔各答分校） ； Noida Institute of Engineering and Technology（诺伊达工程与技术学院） ； ML Collective（ML集体）
AI总结 本文针对 SemEval-2026 任务 9 的多语言极化检测，通过设计 12 种不同提示变体，使用 aya-101 和 Gemma3-27B 模型，在三个子任务上评估提示方法的效果，发现提示方法在粗粒度极化检测上有效，但在细粒度多标签分类上困难增加。
Comments Accepted at the SemEval Workshop, ACL 2026
大语言模型强化学习的高效超参数优化
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； China United Network Communications Group（中国联合网络通信集团）
AI总结 提出联合保真度超参数优化方法，通过同时调整模型大小和训练预算作为保真度，并集成早停策略和检查点机制，显著提升计算效率（每轮最高14.9倍）且性能提升5.8%-111.6%。
Comments 12 pages, 6 figures, accepted at ACL 2026
SegTune：歌曲生成的结构化与细粒度控制
机构 * Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学）
AI总结 提出基于扩散Transformer的SegTune框架，通过用户或LLM指定局部音乐描述实现结构化细粒度控制，并引入LLM时长预测器实现精确歌词-音乐对齐，在音乐性和可控性上超越现有基线。
Comments This paper has been accepted to ACL 2026 as an oral presentation and has been nominated for the Best Paper Award. This work is a revised and extended version of an earlier technical report (arXiv:2510.18416). arXiv admin note: text overlap with arXiv:2510.18416
拥抱各向异性：将大规模激活转化为大型语言模型的可解释控制旋钮
机构 * Yonsei University（延世大学）
AI总结 本文提出一种基于幅度的无训练方法识别领域关键维度，将其作为可解释的语义检测器，并通过仅对这些维度进行激活引导，在领域适应和越狱场景中优于传统全维度引导方法。
Comments ACL 2026 Main Conference
MemORAI: 通过自适应图智能实现LLM对话代理的记忆组织与检索
机构 * Independent Researcher（独立研究者） ； Hanoi University of Science and Technology（河内科学技术大学） ； VNU University of Engineering and Technology（VNU工程大学） ； Monash University（墨尔本大学）
AI总结 提出MemORAI框架，通过选择性记忆过滤、富来源追踪的多关系图存储和查询自适应子图检索，解决LLM长期对话中记忆缺失、信息稀释和检索不精准的问题，在LOCOMO和LongMemEval基准上达到最优性能。
Comments ACL Findings
MTA：面向大型语言模型蒸馏的多粒度轨迹对齐
机构 * Hanoi University of Science and Technology（河内理工大学） ； Monash University（墨尔本大学） ； University of Oregon（俄勒冈大学）
AI总结 提出多粒度轨迹对齐（MTA）框架，通过层自适应策略对齐师生模型的层间变换轨迹，结合动态结构对齐损失和隐藏表示对齐损失，提升知识蒸馏效果。
Comments ACL 2026
SRA: 面向大型语言模型蒸馏的跨度表示对齐
机构 * Hanoi University of Science and Technology（河内科学技术大学） ； VNU University of Engineering and Technology（VNU工程大学） ； Monash University（莫纳什大学）
AI总结 提出SRA框架，通过将蒸馏对齐单元从token转为跨度的质心表示，并引入几何正则化和对齐跨度logit蒸馏，显著提升跨分词器知识蒸馏性能。
Comments ACL 2026
MIPIC: 通过自蒸馏内部关系与渐进信息链的套娃表示学习
机构 * Hanoi University of Science and Technology（河内科学技术大学） ； University of Oregon（俄勒冈大学） ； Monash University（莫纳什大学）
AI总结 提出MIPIC框架，通过自蒸馏内部关系对齐和渐进信息链，实现嵌套嵌入的跨维度结构一致性与深度语义整合，在低维下显著提升性能。
Comments ACL Findings
辩论未尽之言：基于角色锚定的多智能体推理用于半真半假检测
机构 * National University of Singapore（国立新加坡大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出RADAR框架，通过角色锚定的多智能体辩论（政治家与科学家对抗推理，法官中立裁决）和双阈值早停控制，在噪声检索下有效检测因省略上下文而误导的半真半假陈述。
Comments Accepted to ACL 2026
认知异质性动力学：基于大语言模型模拟的多阶段供应链中行为偏差研究
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文通过引入大语言模型模拟多阶段供应链，基于分层推理框架分析认知异质性对智能体交互的影响，发现信息共享可缓解短视和自利行为导致的系统效率低下。
Comments Accepted to the Main Conference of ACL 2026. 18 pages, 8 figures in total (9 pages, 7 figures for the main text)
让导师角色为LLMs发声：通过偏好优化从对话中学习引导向量
机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Eedi
AI总结 本文提出使用偏好优化训练引导向量，从人类导师-学生对话中提取导师角色信息，以控制大语言模型的行为，实现多样化的教学风格。
Comments Accepted to ACL 2026 BEA Workshop
通过超网络实现即时个性化大型语言模型自适应
机构 * University of Notre Dame（诺丁汉大学） ； Amazon.com Inc（亚马逊公司） ； Université de Montréal（蒙特利尔大学）
AI总结 提出Profile-to-PEFT框架，使用超网络将用户编码直接映射到适配器参数，实现无需用户训练的即时个性化，在降低计算成本的同时优于现有方法。
Comments accepted to ACL 2026
越狱攻击初始化作为合规方向的提取器
机构 * Department of Computer Science, Technion - Israel Institute of Technology（技术学院计算机科学系） ； Department of Data and Decision Science, Technion - Israel Institute of Technology（技术学院数据与决策科学系） ； School of Electrical and Computer Engineering Engineering, Ben-Gurion University of the Negev（内盖夫本· Gurion大学电气与计算机工程学院）
AI总结 本文发现基于梯度的越狱攻击初始化会收敛到抑制拒绝的单一合规方向，并据此提出CRI框架，通过沿合规方向投影未见提示来提高攻击成功率并降低计算开销。
Comments Accepted to Findings of the Association for Computational Linguistics 2025 (EMNLP 2025)
混合自回归-扩散模型用于实时手语生成
机构 * University of Auckland（奥克兰大学）
AI总结 提出HybridSign混合自回归-扩散模型，结合因果帧生成与流式扩散精炼，实现低延迟高质量手语生成，在PHOENIX14T和How2Sign上取得最佳质量-效率权衡。
Comments Accepted at ACL 2026
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