期刊&会议
Annual Meeting of the Association for Computational Linguistics · 会议 · Natural Language Processing
视觉引导的多模态推理策略优化
机构 * AMAP, Alibaba Group（阿里集团AMAP） ； SYSU（南方科技大学） ； BUPT（北京邮电大学）
AI总结 针对视觉语言模型在推理中视觉关注不足和时序遗忘问题，提出视觉引导策略优化（VGPO）框架，通过视觉注意力补偿机制和双粒度优势重加权策略增强视觉聚焦，提升多模态推理性能。
Comments Accepted to ACL 2026, https://github.com/wzb-bupt/VGPO
评估大型语言模型中的反事实策略推理
机构 * National Technical University of Athens（希腊雅典国家技术大学）
AI总结 通过引入反事实变体（改变收益结构和行动标签）的囚徒困境和石头剪刀布博弈，评估大型语言模型的策略表现是否基于真正的推理而非记忆模式，并揭示其在激励敏感性、结构泛化和反事实环境中的策略推理方面的局限性。
Comments Accepted at GEM@ACL 2026
PROGRESSLM: 迈向视觉-语言模型中的进度推理
机构 * Northwestern University（西北大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校）
AI总结 本文提出Progress-Bench基准和ProgressLM-3B模型，通过两阶段进度推理范式，评估并提升视觉-语言模型从部分观测中推断任务进度的能力。
Comments ACL 2026 Camera Ready Version
评估定制化与通用型基于Transformer的模型在法律合同分类中的表现
机构 * School of Computer Science and Engineering University of New South Wales (UNSW), Sydney（计算机科学与工程学院 新南威尔士大学（UNSW），悉尼）
AI总结 通过对比13个法律专用和9个通用Transformer模型在三个英文合同分类任务上的表现，发现法律专用模型在需要精细法律理解的任务上持续优于通用模型，并在不平衡数据集中减少罕见类别的误分类，其中Legal-BERT和Contracts-BERT以更少参数达到新最优。
Comments Accepted to Customizable NLP at ACL 2026
LANG: 用于多语言推理的强化学习与语言自适应提示引导
机构 * NLP Lab, School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院自然语言处理实验室） ； Meituan Inc.（美团公司） ； NiuTrans Research, Shenyang, China（牛译研所）
AI总结 本文提出LANG框架，通过语言条件提示引导非英语推理任务的探索，解决了多语言环境下强化学习在输入语言一致性与推理质量之间的权衡问题，提升了推理性能而不影响语言一致性。
Comments Accepted to ACL 2026 (main conference)
技能编织：通过模块化技能包实现高效的LLM改进
机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； The Hong Kong Polytechnic University（香港理工大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Shanghai Jiaotong University（上海交通大学）
AI总结 本研究提出SkillWeave框架，通过模块化技能包使LLM在固定内存预算下实现领域专业化，通过SkillZip压缩技术实现高效部署，实验表明其在多任务和代理基准上表现优异，速度提升达4倍。
Comments Accepted by ACL2026
SWE-Mutation：LLMs能否在软件工程中生成可靠的测试套件？
机构 * State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； Beihang University（北航） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； NeoShell AI ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）
AI总结 本文提出SWE-Mutation基准，用于评估LLM生成的测试套件质量，通过系统性地变异解决方案来测试测试套件的可靠性，并发现当前LLM在生成可靠且具有判别力的测试套件方面存在不足。
Comments 24 pages, 8 figures
Journal ref ACL 2026 Findings
AEGIS：一个评估人工智能生成学术图像取证分析的综合基准
机构 * Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 本文提出AEGIS基准，通过七个学术类别和39个细粒度子类型覆盖，揭示了人工智能生成学术图像取证分析的内在难度，同时评估了多种模型在检测、推理和定位方面的性能，揭示了不同模型家族的互补优势。
Comments Accepted to ACL 2026 Main Conference
VChain：用于视频生成中推理的视觉思维链
机构 * eyeline-labs（Eyeline Labs）
AI总结 本文提出VChain，一种在视频生成中引入多模态模型视觉推理信号的新型推理时间视觉思维链框架，通过生成关键帧来指导预训练视频生成器的稀疏推理时间视觉状态适应，从而提升视频生成质量。
Comments ACL 2026 (Findings Paper), ICCV 2025 Workshop Outstanding Paper Award, Project page: https://eyeline-labs.github.io/VChain
MTR-Bench：多轮推理评估的综合性基准
机构 * University of Science and Technology of China（中国科学技术大学） ； Alibaba Group（阿里巴巴集团） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出MTR-Bench，一个包含4类、40个任务和3600个实例的综合性基准，用于评估大型语言模型的多轮推理能力，通过自动化框架实现大规模评估，并揭示了当前先进推理模型在多轮交互任务中的不足。
Comments ACL 2026 Main Conference
框入框出：衡量LLM生成新闻摘要中的框架偏差
机构 * Department of Computer Science University of Sheffield (UK)（计算机科学系谢菲尔德大学（英国））
AI总结 本文提出FIFO基准测试，用于衡量LLM生成的新闻摘要中的框架存在性，发现LLM生成的摘要在科学和公共卫生领域显示出较高的框架率，表明框架是摘要质量的一个被忽视但重要的维度。
Comments Accepted to The 15th Joint Conference on Lexical and Computational Semantics (*SEM 2026) co-located with ACL 2026
通过比较想法评估教授语言模型预测研究成功的技巧
机构 * IISER Pune（印度理工学院帕内尔）
AI总结 本研究探讨了语言模型能否在无需实验的情况下预测研究想法的实证成功，通过构建基于PapersWithCode客观结果的11488对想法数据集，发现通过强化学习可提升模型性能至71.35%，证明小型语言模型可以作为有效的客观验证器，为自主科学发现提供可扩展路径。
Comments ACL 2026 Findings
LightReasoner: 小型语言模型能否教会大型语言模型推理？
机构 * University of Hong Kong（香港大学） ； University of Chicago（芝加哥大学）
AI总结 本文提出LightReasoner框架，通过利用强专家模型与弱业余模型之间的行为差异，发现高价值推理时刻，从而提升大型语言模型的推理能力，同时减少资源消耗。
Comments Updated to ACL 2026 camera-ready version with improved method presentation, expanded related work discussion, additional analyses, and presentation refinements
PHYSICS：在大学物理问题求解中基准测试基础模型
机构 * Yale University（耶鲁大学） ； New York University（纽约大学） ； Notre Dame University（诺特丹大学）
AI总结 本文提出PHYSICS基准测试，用于评估大学水平物理问题求解能力，包含1297个专家标注的问题，涵盖六个核心领域，并通过自动化评估系统揭示了领先基础模型的显著局限性。
Journal ref Findings of ACL 2025
西班牙临床笔记中可靠自动分诊：一种风险感知的HIV怀疑识别混合框架
机构 * Dept. of Lenguajes y Sistemas Informáticos, Escuela Técnica Superior de Ingeniería Informática, Universidad Nacional de Educación a Distancia (UNED)（语言与系统信息学系，信息工程技术学校，国家远程教育大学（UNED）） ； Dept. Informática y Estadística, Escuela Técnica Superior de Ingeniería Informática, Universidad Rey Juan Carlos (URJC)（信息与统计学系，信息工程技术学校，皇家胡安·卡洛斯大学（URJC））
AI总结 本文提出一种混合框架，用于在西班牙临床笔记中识别HIV怀疑，通过分离随机不确定性和epistemic不确定性，提高分诊的可靠性。
Comments Accepted at the BioNLP Workshop @ ACL 2026
LoCar: 通过细粒度社会语言学控制评估车载助手的本地化
机构 * KAIST（韩国科学技术院） ； BMW Group（宝马集团）
AI总结 本文提出了一种新的车载助手评估框架，专注于韩语本地化，揭示了当前LLM在细粒度韩语敬语控制方面的不稳定性以及策略性对话指标上的表现不足，强调了汽车AI需要向精确语言定制和可靠安全交互管理发展。
Comments To appear in ACL 2026 Industry Track
单次传递、深度选择性阅读用于多方面情感分析
机构 * Universiti Malaya, Malaysia（马来大学，马来西亚） ； Suzhou University of Technology, China（苏州科技学院，中国） ； VinUniversity, Vietnam（文大学，越南）
AI总结 本文提出DABS框架，通过单次编码构建可重用的深度有序基底，使多方面情感分析在保持性能的同时减少60%的端到端计算量。
Comments Accepted at ACL2026 (main). Our solution (DABS) reads the sentence once, then lets each aspect selectively query the right tokens and Transformer depths, cutting redundant computation while preserving ATSA accuracy
Strategy-Induct: 任务级策略诱导用于指令生成
机构 * Department of Computer Science and Information Engineering, National Taiwan University, Taiwan（国立台湾大学计算机科学与资讯工程学系） ； Institute of Information Science, Academia Sinica, Taiwan（台湾“中央研究院”资讯科学研究所） ； AI Research Center (AINTU), National Taiwan University, Taiwan（国立台湾大学人工智能研究中心）
AI总结 该研究提出了一种任务级策略诱导方法Strategy-Induct，通过仅使用少量示例问题生成任务指令，无需依赖标注答案，从而在指令生成任务中取得优于现有方法的性能。
Comments Accepted to Findings of ACL 2026
校准与决策制定：重新审视未学习语言模型中的可靠性悖论
机构 * Indian Institute of Technology Kanpur (IIT Kanpur)（印度理工学院坎浦尔学院（IIT坎浦尔））
AI总结 本文研究了生成语言模型中校准与决策可靠性之间的差距，通过TOFU基准测试中的多项选择问答评估协议，发现经过微调的模型在校准误差较低，而未学习后的模型在校准误差仍低，但依赖于相关性特征的决策规则增加，扩展了可靠性悖论到机器未学习领域。
Comments Accepted at SRW, ACL 2026; 17 pages (9 + 2 + 6)
对LLM注释的注释指南进行细化和重用
机构 * The Graduate University for Advanced Studies, SOKENDAI（Graduate University for Advanced Studies, SOKENDAI） ； National Institute of Informatics (NII)（National Institute of Informatics） ； BioData Science Initiative (BSI), National Institute of Genetics (NIG)（BioData Science Initiative (BSI), National Institute of Genetics）
AI总结 本文提出了一种系统性的注释指南重用和细化方法，通过迭代审核框架来对LLM注释进行改进，并在生物医学NER任务中验证了指南整合的有效性、推理优化模型的优势以及在最小监督下的审核可行性。
Comments 14 pages, 7 figures. Accepted to the ACL 2026 Main Conference
从基础建设开始构建阿拉伯语NLP：二十年的经验、失败与开放问题
机构 * Northwestern University in Qatar（卡塔尔西北大学）
AI总结 本文总结了过去二十年阿拉伯语NLP资源和研究基础设施建设的经验，指出构建数据集是社会和技术过程的结合，社区围绕共享任务形成比任务本身更重要，从语言资源到计算社会科学暴露了传统NLP训练无法解决的挑战。
Comments Accepted at the ACL 2026 Workshop : The Big Picture 2026: Crafting a Research Narrative v2
MTR-Suite: 一个用于评估和合成对话检索基准的框架
机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Meituan Inc.（美团公司） ； NiuTrans Research（牛译研所） ； Tsinghua University（清华大学）
AI总结 本文提出MTR-Suite框架，通过LLM审计、多智能体系统生成和通用领域基准，解决对话检索基准评估和合成中的成本高、标注稀疏和自动化方法僵化的问题。
Comments Accepted to ACL 2026 (main conference). 28 pages. Code and data: https://github.com/rangehow/mtr-suite
大语言模型在权力不对称对话中是否反映社会认知效应？
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 研究探讨了大语言模型在被赋予高或低地位角色时是否表现出与人类相似的社会认知效应，通过模拟多轮权力不对称对话，分析语言协调、代词使用、说服成功率和对危险请求的遵从性，发现模型在权力效应上表现出关键特征，但存在差异和变异性。
Comments ACL 2026 (main)
MASFactory: 一种基于图的框架，用于通过Vibe图谱编排基于大语言模型的多智能体系统
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出MASFactory，一种基于图的框架，用于通过Vibe图谱编排基于大语言模型的多智能体系统，解决了现有框架在实现复杂图工作流时需要大量手动工作、重用性差和难以整合异构外部上下文源的问题。
Comments Accepted to the ACL 2026 Demo Track. Camera-ready version. 10 pages, 6 figures. Code and documentation are available at: https://github.com/BUPT-GAMMA/MASFactory
iReasoner: 一种面向轨迹的内在推理监督方法，用于自演化的大多模态模型
机构 * Vellore Institute of Technology（韦洛雷理工学院） ； School of Information and Data Sciences（信息与数据科学学院） ； Nagasaki University（长崎大学） ； Loughborough University（洛桑大学）
AI总结 本文提出iReasoner，一种自演化框架，通过显式引导推理链和奖励内部一致性来提升大模型的隐式推理能力，在无监督设置下实现了多模态推理基准的性能提升。
Comments ACL 2026 (Findings)
抽取式自我解释与人类推理在文本分类中的系统比较
机构 * Center for Social Data Science（社会科学数据科学中心） ； University of Copenhagen（哥本哈根大学） ； Machine Learning Group（机器学习小组） ； Technische Universität Berlin（柏林技术大学）
AI总结 本文比较了抽取式自我解释与人类推理在文本分类任务中的有效性，通过分析不同任务和语言的解释质量，发现自我解释在文本长度和任务复杂度上与人类推理存在显著差异。
Comments accepted to the Trustworthy NLP Workshop, co-located with ACL 2026
Biomedical NER和实体链接基准测试测量什么？一种以语料库为中心的诊断框架
机构 * National Library of Medicine（国家医学图书馆）
AI总结 本文提出一种以语料库为中心的诊断框架，用于分析生物医学NER和实体链接基准测试的相关属性，揭示语料库特性对评估信号、泛化需求和基准测试结论范围的影响。
Comments Accepted to the ACL 25th Workshop on Biomedical Language Processing
SciCustom: 一个用于大型语言模型科学能力定制评估的框架
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）
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
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）
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）
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：用于零样本对话状态跟踪的受限神经符号代理NLU
机构 * Amazon（亚马逊）
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
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