期刊&会议
Annual Meeting of the Association for Computational Linguistics · 会议 · Natural Language Processing
SkMTEB：斯洛伐克大规模文本嵌入基准与模型适配
机构 * Comenius University in Bratislava（布拉迪斯拉发夸美纽斯大学） ； Cisco Systems（思科系统） ； Technical University of Košice（科希策技术大学） ； Kempelen Institute of Intelligent Technologies（肯佩伦智能技术研究所）
AI总结 针对低资源西斯拉夫语斯洛伐克语，构建首个MTEB风格文本嵌入基准SkMTEB（含31个数据集、7类任务），并开发高效本地部署模型e5-sk-small/large，通过词汇裁剪与微调在参数减少62%下达到与商业API相当的竞争力。
Comments ACL 2026
何时混合有帮助？分析多语言稠密检索中的查询嵌入插值
机构 * National University of Singapore（新加坡国立大学）
AI总结 通过嵌入级插值构造混合查询，系统研究多语言稠密检索对混合语言查询的敏感性，发现最优混合比在多数情况下优于单语言查询，且英语主导性导致不对称性。
Comments ACL 2026 Main (Oral)
跨模态掩码组合概念建模以增强视觉-语言组合性
机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（中国科学技术大学，教育部脑启发智能感知与认知重点实验室） ； Independent Researcher（独立研究员）
AI总结 提出MACCO框架，通过掩码一个模态的组合概念并从另一模态完整上下文重建，增强视觉-语言模型的组合理解能力，在五个基准上显著提升。
Comments Accepted to ACL 2026 Main Conference, 25 pages
AAbAAC：用于自身免疫信息抽取的标注语料库
机构 * Inserm, Université Paris Cité, U1163 Institut Imagine（法国国家健康与医学研究院、巴黎西岱大学、U1163 想象研究所） ； Inria, Inserm, Université Paris Cité, U1346 HeKA（法国国家信息与自动化研究所、法国国家健康与医学研究院、巴黎西岱大学、U1346 HeKA） ； Freelance researcher（自由研究员）
AI总结 针对自身免疫领域信息抽取性能不足，构建了包含115篇PubMed摘要的AAbAAC语料库，手动标注实体和关系，通过微调NER模型验证了其有效性。
Journal ref BioNLP 2026 - 25th Workshop on Biomedical Natural Language Processing, ACL, Jul 2026, San Diego (CA), United States
小型LLM用于生物医学声明验证：成本效益微调、结构性数据集捷径与跨域泛化
机构 * Moveworks AI ； University of California San Diego（加州大学圣迭戈分校）
AI总结 通过QLoRA微调小型LLM（Phi-3-mini、Qwen2.5-3B、Mistral-7B），在生物医学声明验证中超越GPT-4o和GPT-5（F1提升12%），并发现SciFact数据集的结构性伪影，提出基于结构稳健数据的跨域迁移方法。
Comments 8 pages, 2 figures, 12 tables. To appear at BioNLP Workshop, ACL 2026
超越完全随机掩码：扩散语言模型的注意力引导去噪与优化
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； Department of Data Science, City University of Hong Kong（香港城市大学数据科学系） ； Meituan（美团） ； WeChat, Tencent（腾讯微信） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（大型模型与智能治理北京市重点实验室）
AI总结 提出AGDO框架，利用注意力结构指导去噪顺序并强化关键令牌，在数学和编码基准上提升扩散语言模型的推理性能。
Comments 13 pages. Accepted to ACL 2026 Main Conference
uva-irlab-conv 在 SemEval-2026 任务 8：基于学习型稀疏检索和列表式重排序的多轮 RAG
机构 * University of Amsterdam（阿姆斯特丹大学）
AI总结 提出结合学习型稀疏检索与基于 LLM 的重排序和生成的多轮检索增强生成流水线，用于跨四个领域的对话系统，有效处理不可回答查询。
Comments SemEval-2026, The 20th International Workshop on Semantic Evaluation, collocated with ACL 2026, 9 pages, 5 figures, 6 tables
语言何时重要？多语言指令揭示视觉-语言-动作模型中的逐步语言敏感性
机构 * Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本研究通过将LIBERO基准翻译成十种语言，首次系统评估了VLA模型的多语言鲁棒性，发现非英语指令下成功率下降30-50%，并基于步骤级语言敏感性提出推理时对齐干预，显著提升性能。
Comments Accepted to ACL 2026 Main Conference
语言模型在开放式任务中的自动化创造力评估
机构 * Raffles Institution（莱佛士书院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Lee Kong Chian School of Medicine, Nanyang Technological University（南洋理工大学李光前医学院） ； Centre of AI in Medicine (C-AIM), Nanyang Technological University（南洋理工大学人工智能医学中心）
AI总结 提出一种领域无关的自动化框架，通过语义熵和检索式多智能体评估，量化LLM在开放式任务中的发散与收敛创造力，并在问题解决、研究构思和创意写作三个领域验证其有效性。
Comments Accepted to ACL 2026 (Main Conference). 35 pages, 16 figures. Code: https://github.com/tanminsen/creativity-eval
Afrispeech Semantics: 评估跨领域和口音的口语语言模型中的音频语义推理
机构 * University of Florida（佛罗里达大学）
AI总结 提出五项语义与副语言推理任务（蕴含、一致性、合理性、口音漂移、口音约束），评估音频语言模型在口音变化、领域迁移和语义过度推断下的推理能力，揭示当前评估的局限性。
Comments Accepted to ACL
兼容性感知的动态微调用于大型语言模型
机构 * SKL-IOTSC, CIS, University of Macau（澳门大学科技学院电脑与信息科学系及智慧城市物联网国家重点实验室） ； Auckland University of Technology（奥克兰理工大学）
AI总结 提出兼容性感知动态微调（CADFT），通过模型似然度动态调整监督更新，抑制不兼容样本的高方差梯度，提升训练稳定性和泛化能力。
Comments ACL 2026
干预还是不干预：通过概率模型混合指导推理时对齐
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院）
AI总结 提出BlendIn框架，通过质量感知对齐和按可靠性加权混合模型知识，解决推理时对齐中指导有效性差异大的问题，在困难模型对上实现最高50%的性能提升。
Comments Accepted by ACL 2026
N-GRPO：嵌入级邻居混合增强策略优化
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团）
AI总结 针对大语言模型数学推理中探索策略的折衷问题，提出N-GRPO方法，通过语义邻居混合机制在嵌入层注入多样性，在保持语义一致性的同时提升策略优化效果。
Comments ACL 2026 Findings. 16 pages, 3 figures. Code: https://github.com/ZJUSCL/N-GRPO
小数据，大噪声：面向鲁棒参数高效微调的对抗训练
机构 * Bar-Ilan University（巴伊兰大学）
AI总结 提出SDBN框架，将对抗训练与参数高效微调结合，通过离散不确定性集变体增强模型在低资源场景下的鲁棒性和泛化能力。
Comments Accepted to Findings of ACL 2026
早期令牌置信度预测多智能体LLM辩论中的推理质量
机构 * University of California, Irvine（加州大学尔湾分校）
AI总结 研究利用解码时令牌级对数概率作为置信度信号，预测多智能体LLM辩论中的推理质量，发现早期令牌置信度是最强预测因子。
Comments 15 pages, 8 figures, 4 tables; ACL Proceedings
自信的撒谎者：利用对数概率和LLM作为评判诊断多智能体辩论
机构 * University of California, Irvine（加州大学伊文斯分校）
AI总结 研究多智能体辩论中令牌级对数概率、LLM评判分数与任务准确性的关系，发现信心与推理质量在构造者上关联更强，且信心可检测关键推理失败。
Comments 15 pages, 7 figures, 1 table, ACL proceedings
RespiraMFM：一种用于呼吸道疾病识别的对比音频-语言对齐多模态基础模型
机构 * The Ohio State University（俄亥俄州立大学） ； University of Southern California（南加州大学） ； University of Chicago（芝加哥大学）
AI总结 提出RespiraMFM多模态基础模型，通过对比音频-文本对齐策略整合呼吸音与临床信息，在监督和零样本任务中分别提升AUROC 9.15%和20.98%。
Comments ACL 2026 Main Conference
Self-EmoQ: 基于Plutchik引导的价值规划驱动流式情感TTS
机构 * Geely AI Lab（地平线人工智能实验室）
AI总结 提出一种情感规划框架，通过强化学习训练LLM模块，在文本生成前确定情感，以驱动流式TTS，结合Plutchik情感理论进行混合奖励，实验表明在情感确定和响应质量上优于基线。
Comments Accepted to ACL 2026 Findings
TruthSplit：通过多视角推理实现论证中的条件有效性操作化
机构 * University of St. Gallen（圣加仑大学）
AI总结 提出TruthSplit系统，通过三层自然语言推理和结构化世界观档案，实现基于不同视角的论证条件有效性分析，识别价值冲突与假设差异。
Comments Demo paper. To appear at ACL 2026
SEF-CLGC在SemEval-2026任务11中的应用：逻辑符号对语言模型性能的影响
机构 * Université Côte d’Azur, Inria, CNRS, I3S, Sophia Antipolis, France（蔚蓝海岸大学, 法国国家信息与自动化研究所, 法国国家科学研究中心, 信息与系统科学实验室, 索菲亚安蒂波利斯, 法国） ； Data ScienceTech Institute, Paris, France（数据科学技术学院, 巴黎, 法国）
AI总结 本文提出SEF-CLGC管道，结合形式逻辑符号与小语言模型，在SemEval-2026任务11中评估推理性能，最佳模型在降低内容偏差的同时达到27.80%的内容分数。
Comments Accepted to SemEval-2026 co-located with ACL 2026
语言感知令牌增强：无需微调的大语言模型语言混淆减少
机构 * SCB DataX ； Tsinghua University（清华大学） ； SCBX
AI总结 提出无需微调的语言混淆减少方法，通过语言感知令牌增强（LATB）和自适应版本（Adaptive-LATB）对目标语言令牌施加扰动，有效提升多语言对齐并保持摘要质量。
Comments ACL2026 Main Conference
PaperMentor：面向Overleaf的AI研究论文写作人本多智能体辅导系统
机构 * CMU（卡内基梅隆大学） ； Jinesis Lab, University of Toronto & Vector Institute（Jinesis实验室，多伦多大学与向量研究所） ； EuroSafeAI ； ETHZ（苏黎世联邦理工学院） ； EPFL（洛桑联邦理工学院） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（马克斯·普朗克智能系统研究所，德国图宾根）
AI总结 提出PaperMentor，一种在Overleaf中提供内联建议的人本写作助手，通过专家技能库和12个专业智能体提供可操作反馈，用户研究中90.6%建议被认为可操作。
Comments Accepted to the ACL 2026 Demo Track
更多废话，更少意义：揭示小语言模型中的自我改进行为
机构 * American University of Armenia（亚美尼亚美国大学） ； NVIDIA（英伟达）
AI总结 本研究通过构建充分性测试，发现小语言模型在自我纠正中仅获得4.4%的准确率提升，且较长的提示反而与错误答案正相关，表明其推理能力有限。
Comments GEM Workshop at ACL 2026
理解阿拉伯语X社区中心理健康话语的社会文化维度
机构 * King Saud University（沙特国王大学） ； Cairo University（开罗大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 通过GPT-4.1识别个人披露的推特用户，分析边缘型人格障碍、双相障碍和ADHD相关话语，发现不同病症的词汇模式差异，提出可复用的LLM辅助披露流程和文化关键词框架。
Comments Accepted to the SMM4H-HeaRD Workshop, co-located with the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026)
多模态基础模型中的测试时扩展：生成与推理的综合调查
机构 * Sun Yat-sen University（中山大学）
AI总结 本文首次系统综述多模态基础模型中的测试时扩展（TTS）方法，提出统一分类框架（采样、反馈、搜索三类），总结应用与基准，并讨论未来方向。
Comments Accepted by ACL 2026, Findings
解耦语义与逻辑：一种无需训练的从粗到精的视频检索增强生成流水线
机构 * School of Computer Science & Tech, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of AI and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院）
AI总结 提出一种无需训练的两阶段级联视频RAG流水线，通过解耦语义检索与逻辑推理，实现跨语言长视频理解、严格角色遵循和零幻觉时间定位。
Comments To be presented at ACL 2026 MAGMAR Workshop (Oral; Retrieval leaderboard No.1)
多语言拒绝对齐：构建更安全的大型语言模型
机构 * NASK National Research Institute（国家研究 institute） ； University College London（伦敦大学学院）
AI总结 本研究系统探究多语言对齐动态，通过引入覆盖12种欧洲语言的RefusEU数据集和DPO实验，发现仅用英语对齐不足以保障跨语言安全，而多语言训练可在不降低通用性能的前提下提升安全性。
Comments Accepted to Findings ACL 2026
mllm-shap：面向文本-音频多模态大语言模型的Shapley值可解释性平台
机构 * Warsaw University of Technology（华沙理工大学）
AI总结 提出mllm-shap框架，通过模态感知掩码、多轮对话追踪和音素对齐分组技术，将Shapley值可解释性扩展到文本-音频多模态大语言模型，并实现10-50倍的计算加速。
Comments Submitted to ACL2026
CAPruner: 概念相邻场景图剪枝器以增强大语言模型的3D空间推理
机构 * Southern University of Science and Technology（南方科技大学） ； SpatialTemporal AI（时空人工智能）
AI总结 提出概念相邻场景图剪枝器(CAPruner)，通过融合模糊语义相关性和空间邻近性估计关系重要性，在任务特定上下文中选择关键关系，避免关系级标注，显著提升大语言模型在3D视觉语言任务上的空间推理性能。
Comments Accepted by ACL 2026 Main Conference
GraphLoRA: 面向大语言模型推荐的结构感知低秩适配
机构 * Anhui University（安徽大学） ； Hefei University（合肥大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出GraphLoRA框架，通过在低秩适配路径中嵌入可训练的图消息传递网络，实现结构信号传播，从而深度融合图结构与文本语义，提升LLM推荐性能。
Comments ACL 2026 findings
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