ACL

POSTCONDBENCH: Benchmarking Correctness and Completeness in Formal Postcondition Inference

POSTCONDBENCH：形式化后置条件推理中的正确性与完备性基准测试

Gehao Zhang, Juan Zhai

AI总结 本文提出POSTCONDBENCH多语言基准，用于评估LLM生成方法级后置条件的能力，发现正确性与完备性差距显著，仓库级依赖及方法复杂性会加剧该差距。

Journal ref In Findings of the Association for Computational Linguistics: ACL 2026, pages 35478-35507, San Diego, California, United States. Association for Computational Linguistics, 2026

HypEHR: Hyperbolic Modeling of Electronic Health Records for Efficient Question Answering

HypEHR：基于超几何建模的电子健康记录用于高效问答

Yuyu Liu, Sarang Rajendra Patil, Mengjia Xu, Tengfei Ma

机构 * Department of Computer Science, Stony Brook University（石英布大学计算机科学系） ； Department of Data Science, New Jersey Institute of Technology（新泽西理工学院数据科学系） ； Department of Biomedical Informatics, Stony Brook University（石英布大学生物医学信息学系） 纠错

AI总结 HypEHR通过超几何建模将电子健康记录中的代码、就诊和问题嵌入超几何空间，利用几何一致的交叉注意力和类型特定的指针头进行问答，预训练后在两个基准上实现高效问答。

Comments Accepted by Findings of ACL 2026

Can LLMs Understand the Impact of Trauma? Costs and Benefits of LLMs Coding the Interviews of Firearm Violence Survivors

大型语言模型能理解创伤的影响吗？对枪支暴力幸存者访谈的LLM编码的成本与收益

Jessica H. Zhu, Shayla Stringfield, Vahe Zaprosyan, Michael Wagner, Michel Cukier, Joseph B. Richardson

机构 * University of Maryland, College Park（马里兰大学学院公园分校） 纠错

AI总结 本文研究了使用LLM对枪支暴力幸存者访谈进行主题编码的可行性，发现尽管某些配置能识别重要代码，但整体相关性低且易受数据处理影响，同时指出LLM的限制和伦理挑战。

Comments Accepted to Findings of the Association for Computational Linguistics (2026)

Journal ref Findings of the Association for Computational Linguistics (2026)