期刊&会议
Annual Meeting of the Association for Computational Linguistics · 会议 · Natural Language Processing
ProRank：通过强化学习进行小语言模型的提示预热以实现文档重排序
机构 * Mixedbread AI ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文提出ProRank方法，通过强化学习提升小语言模型对任务提示的理解，结合细粒度分数学习增强表示能力，实验证明其在文档重排序任务中优于现有模型，尤其在BEIR基准上表现突出。
Comments Accepted by ACL2026 Findings
通过细粒度时间引文分析进行深入研究影响总结
机构 * UKP Lab, TU Darmstadt and Hessian Center for AI (hessian.AI)（图腾实验室，达姆施塔特技术大学及海德堡人工智能中心） ； School of Computer Science and Engineering, Hebrew University of Jerusalem（耶路撒冷希伯来大学计算机科学与工程学院） ； The Allen Institute for AI (AI2)（人工智能研究所（AI2））
AI总结 本文提出生成细粒度时间引文分析的影响力摘要，通过引文意图的演变捕捉褒贬，引入评估框架，显示在主观指标上的人类相关性，并获得专家反馈。
Journal ref ACL 2026
基于扩展调查数据的语言模型微调以预测公众意见分布
机构 * University of California, Berkeley（加州大学伯克利分校） ； Microsoft Research（微软研究院）
AI总结 本文通过微调大型语言模型，利用调查数据的结构特性提升对公众意见分布的预测能力，实验显示在多种子群体中模型预测与人类响应的匹配度显著提高，且能泛化到未见过的调查和子群体。
Comments ACL 2025 Long Main (https://aclanthology.org/2025.acl-long.1028/)
癌症患者问答系统中的查询管道优化
机构 * School of Computing and Information Systems, University of Melbourne（墨尔本大学计算与信息系统学院） ； Health Data Science and Biostatistics, University of Texas Southwestern Medical Center（德克萨斯西南医学中心健康数据科学与生物统计学）
AI总结 本文提出了一种针对癌症患者问答系统的RAG查询管道三方面优化方法，通过改进文档检索、段落检索和语义表示，提升了回答准确性。
Comments This paper has been accepted as a Findings Paper in ACL 2026
从权重到激活：是否转向是适应的下一个前沿？
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） ； Centre for European Research in Trusted AI (CERTAIN)（可信AI欧洲研究中心） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Fraunhofer Heinrich Hertz Institute（弗劳恩霍夫海因里希·赫兹研究所） ； Technological University Dublin（都柏林技术大学） ； Technische Universität Berlin（柏林技术大学） ； Berlin Institute for the Foundations of Learning and Data (BIFOLD)（柏林学习与数据基础研究所）
AI总结 本文探讨了转向作为一种模型适应方法，通过激活空间的针对性干预实现局部可逆行为改变，提出统一的适应方法分类框架。
Comments Accepted to ACL 2026 (Main)
按句子思考：显式句子边界增强语言模型的能力
机构 * Department of Computer Science and Engineering（计算机科学与工程系）
AI总结 本文通过在语言模型输入中插入句子边界分隔符，提升其处理能力，实验显示在GSM8k和DROP任务上分别提升7.7%和12.5%。
Comments Accepted to ACL 2026 main conference
ImplicitMemBench: 测量大语言模型中的无意识行为适应
机构 * The University of Hong Kong（香港大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本文提出ImplicitMemBench，首个评估大语言模型隐性记忆的系统基准，通过三个认知基础构念测试隐性记忆，揭示模型在自动执行任务中的局限性。
Comments Accepted to ACL 2026 Main Conference
只需使用XML：重新审视联合翻译与标签投影
机构 * Language Technology Group（语言技术组） ； University of Hamburg（汉堡大学）
AI总结 本文提出LabelPigeon框架，通过XML标签联合执行翻译与标签投影，实验证明在11种语言中提升翻译质量，跨203种语言和不同标注复杂度下均取得显著改进，NER任务中达到+40.2 F1的提升。
Comments Accepted to ACL 2026 Findings
FlexGuard: 严格度自适应的连续风险评分用于LLM内容审核
机构 * The Hong Kong Polytechnic University（香港理工大学） ； ByteDance（字节跳动）
AI总结 本文提出FlexGuard，一种基于LLM的连续风险评分系统，通过风险对齐优化提升审核准确性和在不同严格度下的鲁棒性。
Comments Accepted at ACL 2026
ExpSeek：面向Web代理的自触发经验寻求
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Tongyi Lab , Alibaba Group（阿里云实验室，阿里巴巴集团）
AI总结 ExpSeek通过自触发机制实现Web代理的经验主动获取，提升交互能力，实验表明其在不同规模模型上均取得显著性能提升。
Comments ACL 2026 Findings, the code is accessible at https://github.com/WYRipple/ExpSeek
原生混合注意力机制用于高效序列建模
机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出原生混合注意力机制，结合线性与全注意力，通过滑动窗口和线性RNN实现长上下文保留与短上下文增强，提升效率与召回率。
Comments Accepted by ACL 2026, 17 pages
Memp：探索代理程序记忆
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； State Key Lab. for Novel Software Technology（新型软件技术国家重点实验室） ； Nanjing University（南京大学）
AI总结 本文提出Memp，一种可学习、可更新且终身的程序记忆系统，通过提炼历史轨迹生成细粒度指令和高层脚本抽象，提升代理在TravelPlanner和ALFWorld任务中的成功率和效率。
Comments ACL 2026 Findings
ToolOmni: 通过代理学习实现开放世界工具使用：基于主动检索和基础执行
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 ToolOmni通过主动检索和基础执行实现开放世界工具使用，通过冷启动多轮交互数据集和Decoupled Multi-Objective GRPO算法提升工具检索和执行性能，实验表明其在检索和执行任务上均达到SOTA水平。
Comments 19 pages, 9 figures, 9 tables, accepted to ACL 2026
校准的推测解码：基于频率的候选选择以实现高效的推理
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Cloud Computing（阿里云 computing）
AI总结 本文提出校准的推测解码，通过频率引导的候选选择和概率保护的接受机制，提升大语言模型推理效率，实测效果优于现有方法。
Comments ACL 2026 Main Conference
C2: 从二元偏好中可扩展的规则增强奖励建模
机构 * The Graduate University for Advanced Studies (SOKENDAI)（高级研究大学（SOKENDAI）） ； National Institute of Informatics（国家信息研究所） ； The Asahi Shimbun Company（朝日新闻公司） ； The University of Tokyo（东京大学）
AI总结 C2通过让奖励模型与仅基于二元偏好的规则生成器协作，提升奖励模型判断的可靠性，实验显示其在RM-Bench和AlpacaEval 2.0上表现优于基于推理的奖励模型，且无需外部规则标注。
Comments ACL 2026
无需训练的测试时对比学习用于大语言模型
机构 * South China University of Technology（南方科技大学） ； Pazhou Laboratory（琶洲实验室）
AI总结 本文提出无需训练的测试时对比学习（TF-TTCL），通过动态'探索-反思-引导'循环提升冻结大语言模型的在线推理能力，优于零样本基线和代表性测试时适应方法。
Comments Accepted by Findings ACL 2026
通过多角色编排实现可扩展的轻量级GUI代理
机构 * Zhejiang Key Laboratory of Accessible Perception and Intelligent Systems, Zhejiang University（浙江可及感知与智能系统重点实验室，浙江大学） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； AntGroup（蚂蚁集团）
AI总结 本文提出LAMO框架，通过多角色编排提升轻量级GUI代理的任务扩展性，开发出支持单体执行和多代理系统编排的LAMO-3B代理，结合先进规划器实现持续性能提升。
Comments Findings of ACL 2026
更大与更小：如何在模型规模下语境同步发生分歧
机构 * IIIT Delhi, India（德里印度理工学院） ； Nanyang Technological University（南洋理工大学） ； NVIDIA（NVIDIA公司） ； Singapore Institute of Technology（新加坡理工学院）
AI总结 研究探讨了模型规模对语境同步的影响，发现大模型在忽略虚假信息方面更有效，但对无关token的忽略能力下降，揭示了语义过滤与机械复制的对立行为。
Comments 16 pages, 11 figures, 6 tables. Accepted to Findings of ACL 2026
大型语言模型在临床数字能力上的鲁棒性如何？一项关于临床情境中数值推理能力的实证研究
机构 * School of Computing Technologies, RMIT University（计算机技术学院，皇家墨尔本理工大学）
AI总结 本文通过ClinicNumRobBench基准测试，评估了17种LLM在临床情境下的数值推理能力，发现数值检索表现良好，但关系比较和聚合仍存在挑战，且医疗数据微调会降低数值能力。
Comments Accepted to ACL2026 Findings
具有增强步骤级转换的分层强化学习用于大语言模型代理
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； China Mobile Group Design Institute Co., Ltd（中国移动集团设计院有限公司） ； Singapore Management University（新加坡管理大学）
AI总结 本文提出STEP-HRL框架，通过仅基于单步转换而非完整交互历史实现步骤级学习，提升LLM代理在复杂任务中的性能和泛化能力，同时减少token使用。
Comments Accepted to ACL 2026 Main Conference
属于谁？印度区域文化常识与大语言模型偏见
机构 * Emory University（埃默里大学） ； Brock University（布罗克大学） ； MIT（麻省理工学院）
AI总结 本文提出Indica基准测试，评估大语言模型在印度区域文化常识上的能力，发现文化常识在区域层面而非国家层面更普遍，并揭示模型存在地理偏见。
Comments Accepted to ACL 2026 Main Conference
基于强化学习的上下文化推理对话搜索代理
机构 * University of Montreal（蒙特利尔大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Notre Dame（诺特丹大学） ； Northeastern University（东北大学）
AI总结 本文提出一种基于强化学习的对话搜索代理，通过在对话轮次中交替搜索与推理，实现探索性与适应性行为，优于现有基准方法。
Comments Accepted by ACL 2026 (Findings)
通往真实性的两条路径：关于LLM幻觉内在编码的研究
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息处理国家重点实验室，计算机科学学院，北京大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文探讨LLM幻觉的内在编码机制，通过两种信息路径揭示真实性信号的来源，发现其与知识边界和内部表示密切相关，并提出改进幻觉检测的应用。
Comments Accepted to the ACL 2026 Main Conference
通过门控感知-推理优化解决大视觉-语言模型中的过度思考
机构 * Dartmouth College（达特茅斯学院） ； University of Notre Dame（诺丁汉大学） ； Cornell University（康奈尔大学） ； Northwestern University（西北大学）
AI总结 本文提出GPRO方法，通过动态路由计算路径提升大视觉-语言模型的推理效率与准确性，减少过度思考带来的冗余响应。
Comments Accepted to Annual Meeting of the Association for Computational Linguistics (ACL 2026)
逻辑相变：理解大语言模型逻辑推理中的崩溃
机构 * Huazhong University of Science and Technology（华中科技大学）
AI总结 研究通过控制逻辑复杂性分析大语言模型的逻辑推理性能，发现逻辑相变现象，提出神经符号课程调优框架以提升高复杂度下的推理能力。
Comments Accepted at ACL 2026 (Main Conference)
记住我，精进我：一种面向经验驱动代理进化的动态过程记忆框架
机构 * AGI Institute, School of Computer Science, Shanghai Jiao Tong University（AGI研究院，计算机科学学院，上海交通大学） ； Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） ； Key Laboratory of Shanghai Education Commission for Intelligent Interaction and Cognitive Engineering, Shanghai Jiao Tong University（上海市教育委员会智能交互与认知工程重点实验室，上海交通大学）
AI总结 本文提出ReMe框架，通过多维蒸馏、情境适应重用和基于效用的精炼机制，解决传统静态记忆存储的不足，实验证明其在BFCL-V3和AppWorld上达到新状态，展示了自进化记忆在终身学习中的高效性。
Comments 20 pages, 10 figures, 15 tables, ACL'26-Findings
LaoBench：一种大规模多维老挝语基准测试用于大语言模型
机构 * China-ASEAN Information Harbor Co., Ltd.（中国-东盟信息港有限公司） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； School of Software & Microelectronics, Peking University（北京大学软件与微电子学院）
AI总结 本文提出LaoBench，首个大规模多维老挝语基准测试，包含17000+样本，涵盖文化知识应用、K12教育和双语翻译，评估LLM在老挝语的理解与推理能力，发现多语言模型在文化推理和翻译准确性上仍落后于人类专家。
Comments ACL 2026 Main
突破政策限制：基于上下文的政策优化
机构 * National Key Laboratory for Multimedia Information Processing（国家多媒体信息处理重点实验室） ； School of Computer Science（计算机学院） ； LLM Department（大模型部门） ； Tencent（腾讯）
AI总结 本文提出ICPO框架，利用大推理模型的上下文学习能力，通过混合策略GRPO和隐式专家强制扩展探索范围，提升RLVR在数学推理任务中的性能和稳定性。
Comments ACL 2026 Findings. 19 pages, 13 figures, 12 tables
通过扩展测试时间计算实现IOI金牌奖章的开放权重模型
机构 * NVIDIA
AI总结 本文提出GenCluster框架，利用开放权重模型在有限预算下高效探索解决方案空间，实现IOI金牌级性能，缩小开放与闭合系统差距。
Comments Accepted to ACL 2026
超越黑盒干预：用于忠实检索增强生成的潜在探测
机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Alibaba Group（阿里巴巴集团） ； Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan (Xiamen University), Ministry of Culture and Tourism, China（福建省和台湾非物质文化遗产数字化保护与智能处理重点实验室（厦门大学），中华人民共和国文化和旅游部，中国）
AI总结 本文提出ProbeRAG框架，通过潜在冲突探测和注意力调节提升检索增强生成的忠实度，解决传统方法在评估知识冲突时的不足。
Comments ACL 2026 Findings; Code is available at https://github.com/LinfengGao/ProbeRAG
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