期刊&会议
Annual Meeting of the Association for Computational Linguistics · 会议 · Natural Language Processing
双三角形标注：一种可扩展的人机协同高精度历史文档标注框架
机构 * École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
AI总结 提出双三角形标注框架，通过两层人机协同和跨模型共识自动完成大部分标注工作，实现高精度历史文档结构化信息提取。
Comments 12 pages, 4 figures. ACL ARR 2026 March submission
StructBreak: 多模态大语言模型中结构性认知过载引发的安全故障
机构 * Key Laboratory of Trustworthy Distributed Computing and Service (MoE), Beijing University of Posts and Telecommunications（可信分布式计算与服务重点实验室（MoE），北京邮电大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
AI总结 提出StructBreak框架，通过量化结构性认知过载（SCO）揭示一种高阶认知过载攻击范式，在六种主流MLLM上实现92%平均攻击成功率，并证明该攻击通过结构性通道绕过安全过滤器。
Comments 23 pages; accepted to Findings of ACL 2026. This paper contains examples of harmful content
MLLMs 能否超越语言进行推理？VisReason：一个面向视觉中心推理的综合基准
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
AI总结 提出 VisReason 基准，包含 1505 个日常场景问题，评估多模态大模型在视觉中心推理上的表现，揭示人类与模型间的显著差距。
Comments Accepted by ACL 2026 Findings, resources released at https://github.com/CASIA-IVA-Lab/VisReason
AI相关的词汇转变跨越34种语言：新闻写作中的跨语言趋同与历时采纳
机构 * Florida State University（佛罗里达州立大学）
AI总结 通过分析34种语言的新闻语料，使用GPT-4.1续写诊断方法，发现AI过度使用的词汇在跨语言中呈现语义趋同，且ChatGPT发布后这些词汇的使用频率显著增加。
Comments 19 pages (9-page main body, plus references and appendices), 3 figures; ACL ARR reviewed, committed to EMNLP 2026
PlanRAG-Audio：面向长音频理解的规划与检索增强生成
AI总结 提出PlanRAG-Audio框架，通过规划查询所需模态和时间跨度并仅检索相关信息，实现长音频的高效推理，提升准确率并稳定性能。
Comments Accepted to Findings of ACL 2026
River-LLM：基于KV共享的大型语言模型无缝退出
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 针对解码器-only架构中早期退出因KV缓存缺失导致的延迟和精度问题，提出无需训练的River-LLM框架，通过轻量级KV共享退出流实现令牌级无缝退出，并利用状态转移相似性预测KV误差指导退出决策，在数学推理和代码生成任务上获得1.53-2.16倍实际加速且保持高质量。
Comments Accepted to ACL 2026, 13pages, with appendix. Corrected some typos
哪种推理轨迹能更好地教会学生推理？一个信息对齐的简单度量
机构 * Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； University of Toronto（多伦多大学） ； University of Sydney（悉尼大学）
AI总结 提出Rank-Surprisal Ratio (RSR)度量，通过结合对齐性和信息性评估推理轨迹对学生模型的适用性，在轨迹选择和教师选择中显著优于现有方法。
Comments Accepted to ACL 2026 (Main Conference). 31 pages. Project page: https://github.com/UmeanNever/RankSurprisalRatio
NeoAMT: 基于强化学习的新词感知智能机器翻译
机构 * The University of Tokyo（东京大学） ； NTT Communication Science Laboratories, NTT, Inc.（NTT通信科学实验室，NTT公司）
AI总结 提出NeoAMT框架，利用基于Wiktionary的搜索工具和强化学习训练翻译智能体，以提升包含新词的源句翻译质量。
Comments ACL 2026 Main. Fixed minor typos
AgentCoMa：一个混合常识与数学推理的现实场景组合基准
机构 * Imperial College London（帝国理工学院伦敦分校） ； RIKEN（日本研究机构） ； University of Sheffield（谢菲尔德大学） ； University College London（伦敦大学学院）
AI总结 提出AgentCoMa基准，测试大语言模型在组合常识与数学推理任务上的性能，发现模型在单独步骤上准确率高但组合后平均下降近30%。
Comments ACL 2026
MultiHaluDet: 通过LLM隐藏状态探测实现多语言幻觉检测
机构 * United International University（国际联合大学） ； BRAC University（布拉克大学）
AI总结 提出MultiHaluDet框架，通过探测冻结LLM的全隐藏状态轨迹，结合多尺度注意力和自注意力池化的混合架构，以及校准的经典分类器集成，实现跨语言的高精度幻觉检测，在英语基准上达到98.55% AUROC，并展现出对高、中、低资源语言的强泛化能力。
Comments MeLLM @ ACL 2026
ProActor: 时序感知强化学习用于主动任务调度智能体
机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Zillow Group（Zillow集团）
AI总结 提出ProActor框架，通过时序感知强化学习（结合RULER奖励和阶段感知复合奖励）和高效训练系统ART-F，在保持动作一致性的同时显著提升主动任务调度的时序质量。
Comments 47 pages, 31 figures. Accepted to ACL 2026
反转盾牌：从策略规范中系统生成安全测试
机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； National University of Singapore（新加坡国立大学） ； Independent Researcher（独立研究者）
AI总结 提出POLARIS框架，通过将非结构化自然语言策略编译为一阶逻辑表示并构建语义策略图，实现覆盖驱动的可重复安全测试，相比基线方法提高了策略覆盖率和攻击成功次数。
Comments Accepted to the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026)
重复序列揭示大语言模型与自然语言之间的差距
机构 * Waseda University（早稻田大学）
AI总结 通过分析重复子序列的分布及其与高阶Rényi熵的关系，提出一种评估大语言模型生成文本长程统计组织的框架，发现GPT生成文本在熵增长模式上与自然语言存在系统性差异。
Comments ACL 2026
FC-TTS：基于解耦语音表示的零样本文本到语音中的风格与音色控制
AI总结 提出FC-TTS框架，通过解耦语音表示和双参考条件实现风格与音色的独立控制，并引入架构、训练目标和辅助任务提升分离可靠性。
Comments Accepted to ACL 2026 (Main Conference). 20 pages, 8 figures, 7 tables. Demo page: https://qualcomm-ai-research.github.io/fc-tts
多语言诅咒在检索层：来自阿姆哈拉语的证据
机构 * Independent Researcher（独立研究者） ； University of Amsterdam（阿姆斯特丹大学）
AI总结 针对零样本多语言检索在低资源形态丰富语言（如阿姆哈拉语）上表现不佳的问题，通过对比实验发现单语检索器显著优于多语言检索器，并揭示了多语言基准测试的局限性。
Comments 10 pages, 4 tables. Accepted to the 1st Workshop on Multilinguality in the Era of Large Language Models (MeLLM) at ACL 2026
Unveil: 统一视觉-文本集成与蒸馏的多模态文档检索
机构 * State Key Laboratory of General Artificial Intelligence, Peking University（北京理工大学通用人工智能国家重点实验室） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空航天信息研究所） ； Key Laboratory of Target Cognition and Application Technology（目标认知与应用技术重点实验室） ； Beijing Institute of Technology（北京理工大学） ； Ucap Cloud（Ucap云）
AI总结 提出Unveil框架，通过视觉-文本嵌入和知识蒸馏实现鲁棒的文档检索，兼顾布局与语义信息。
Comments ACL 2025 Main Conference
自动简答题评分中的质量条件一致性：中等范围退化与任务特定适应的影响
机构 * Weizmann Institute of Science（魏茨曼科学研究院） ； ETS（教育考试服务中心）
AI总结 研究自动简答题评分中不同模型的任务适应程度与质量条件评分一致性的关系，发现所有AI模型在完全正确和完全错误的回答上表现良好，但在中等范围回答上出现显著退化，且退化程度与任务特定数据量相关。
Comments PRE-PRINT VERSION Accepted to ACL 21st Workshop on Innovative Use of NLP for Building Educational Applications (BEA26)
作者参与的回信生成与评估：将作者专业知识和意图整合到对同行评审的回复中
机构 * Ubiquitous Knowledge Processing Lab (UKP Lab)（通用知识处理实验室） ； Department of Computer Science（计算机科学系） ； Hessian Center for AI (hessian.AI)（海德堡人工智能中心）
AI总结 提出作者参与的回信生成与评估框架，通过引入对齐的评审-回复-修订三元组数据集、支持灵活作者输入和可控生成的REspGen系统以及包含20+指标的综合评估套件REspEval，填补了作者信号利用和评估的空白。
Comments accepted to ACL 2026 Main Conference
TIGER：文本引导的通用酶-反应检索
机构 * University of Science and Technology of China（中国科学技术大学） ； City University of Hong Kong（香港城市大学） ； Zhejiang University（浙江大学）
AI总结 提出TIGER框架，利用蛋白质到文本生成模型提取文本语义知识，通过动态门控网络融合序列特征，实现酶与反应的双向检索，显著提升跨任务泛化性和鲁棒性。
Comments Accepted to ACL2026
DRInQ: 通过受控上下文变化评估会话含义
机构 * University of Southern California（南加州大学）
AI总结 提出DRInQ基准，通过半自动化管道生成系统变化的问答上下文实例，评估大语言模型在会话含义中的语用推理能力，发现模型在生成与推理之间存在不对称性。
Comments To be presented at ACL 2026
通过详细的宪法定义和AI驱动的评估提高标注一致性
机构 * Cisco AI Defense（思科AI防御）
AI总结 提出一种AI驱动的工作流，通过为每个类别编写详细的宪法定义并由前沿LLM解释，以比人类更一致和准确地生成黄金标签，在三个内容审核类别上将跨模型不一致性降低高达57倍。
Comments Under review at ACL Rolling Review (ARR), May 2026 cycle. Also available at https://doi.org/10.5281/zenodo.20125267
EvoSci: 一种受生物启发的多智能体框架用于科学发现的演化
机构 * TJUNLP Lab, School of Computer Science and Technology, Tianjin University, China（天津大学计算机科学与技术学院 TJUNLP 实验室）
AI总结 提出EvoSci框架，结合生物启发式演化与知识图谱建模，通过多角色智能体协作迭代生成、评估和优化研究想法，显著提升科学探索的连贯性和创造力。
Comments ACL 2026 Main Conference
当正确信念崩溃：LLMs在临床压力下的认知韧性
机构 * Research Center for Social Computing and Interactive Robotics, Harbin Institute of Technology, China（社会计算与交互机器人研究院，哈尔滨工业大学，中国）
AI总结 研究LLMs在临床对话中面对逐步升级压力时信念稳定性问题，提出Med-Stress压力测试框架，发现知识-韧性差距，并设计RBED和R-FT方法提升鲁棒性。
Comments ACL 2026
文档是教育性的还是维基风格的？——基于分类器的质量过滤的陷阱
机构 * Warsaw University of Technology（华沙技术大学） ； IDEAS Research Institute（IDEAS研究所）
AI总结 本文揭示了基于分类器的质量过滤方法中一个关键漏洞：简单的维基风格重格式化操作可显著改变模型的质量评估，使低质量内容通过过滤阈值，并量化了FineWeb-Edu CQF模型约7%文档的过滤决策反转。
Comments Accepted to ACL 2026
UniSRM：一种用于基于推理的细粒度评估的统一语音奖励模型
机构 * The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； Independent Researcher（独立研究者）
AI总结 提出UniSRM统一语音奖励模型，通过两阶段流水线和推理一致性奖励机制，实现多维度、可解释的语音质量评估，在多种任务上优于现有方法。
Comments Accepted by ACL 2026(Main)
DFKI-MLT 在 SemEval-2026 任务 7 中：将多语言模型引导至文化知识
机构 * German Research Center for Artificial Intelligence (DFKI GmbH)（德国人工智能研究中心（DFKI GmbH）） ； Saarland Informatics Campus（萨尔布吕肯信息学校区） ； Barcelona Supercomputing Center (BSC-CNS)（巴塞罗那超级计算中心（BSC-CNS））
AI总结 本研究提出使用从并行 FLORES 数据中提取的语言向量进行激活引导，在推理时调整多语言模型以提升文化知识，并在 SemEval-2026 任务 7 的 MCQ 赛道上取得 86.96% 准确率，排名第 7。
Comments Accepted to The 20th International Workshop on Semantic Evaluation at ACL 2026
DreamerNLplus: 使用混合规则和RAG方法从社交媒体时间线进行可解释的心理健康动态建模
机构 * Leiden Institute of Advanced Computer Science (LIACS), Leiden University（莱顿高级计算机科学研究所（LIACS），莱顿大学） ； School of Computing and Communications (SCC), Lancaster University（计算与通信学院（SCC），兰卡斯特大学） ； Department of Medical Informatics, Erasmus University Medical Center Rotterdam（医学信息学系，埃因霍温医学中心鲁特万分校） ； Biomedical Data Sciences, Leiden University Medical Center（生物医学数据科学，莱顿大学医学中心）
AI总结 提出DreamerNLplus混合框架，结合规则与RAG方法，解决CLPsych 2026共享任务中的心理状态建模、时间变化检测和序列级总结问题。
Comments Accepted by CLPsych2026. CLPsych 2026 will be held at ACL in San Diego July 4th, 2026
通过设计实现多语言引导：多语言稀疏自编码器与原则性层选择
机构 * Saarland University（萨尔兰大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； TU Darmstadt（德累斯顿技术大学） ； Centre for European Research in Trusted AI (CERTAIN)（欧洲可信AI研究中心）
AI总结 针对稀疏自编码器在多语言环境中语言控制不可靠的问题，提出在多语言数据上训练SAE并基于多语言对齐与语言可分离性交集的原则性层选择规则，在LLaMA-3.1-8B和Gemma-2-9B上验证了该方法能稳定语言识别准确率与生成质量之间的权衡。
Comments Accepted to TrustNLP Workshop at ACL 2026
基于代理思维链调优的长上下文推理
机构 * School of Informatics, University of Edinburgh（爱丁堡大学信息学院）
AI总结 提出ProxyCoT训练框架，通过将短代理上下文中的推理能力迁移到完整长上下文中，以提升大语言模型在长上下文复杂推理任务上的表现。
Comments Long paper, ACL 2026 (Main conference)
TingIS：企业级规模下从嘈杂客户事件中实时发现风险事件
机构 * Ant Group（蚂蚁集团） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出TingIS系统，通过多阶段事件链接引擎结合高效索引与大型语言模型，从嘈杂客户事件中稳定提取可操作事件，实现企业级实时风险发现。
Comments Accepted to ACL 2026 Industry Track (oral presentation)
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