ACL

LLMs know their vulnerabilities: Uncover Safety Gaps through Natural Distribution Shifts

大语言模型知其弱点：通过自然分布偏移揭示安全漏洞

Qibing Ren, Hao Li, Dongrui Liu, Zhanxu Xie, Xiaoya Lu, Yu Qiao, Lei Sha, Junchi Yan, Lizhuang Ma, Jing Shao

机构 * MoE Key Lab of Artificial Intelligence, Shanghai Jiao Tong University（人工智能大模型关键实验室，上海交通大学） ； Beihang University（北京航空航天大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

AI总结 本文研究大语言模型对自然分布偏移的脆弱性，提出ActorBreaker攻击方法，通过识别有毒提示相关角色构建多轮提示，揭示模型安全漏洞，并构建安全数据集提升鲁棒性。

Comments ACL 2025 main conference. Code is available at https://github.com/AI45Lab/ActorAttack

LEVOS: Leveraging Vocabulary Overlap with Sanskrit to Generate Technical Lexicons in Indian Languages

LEVOS：利用梵语词汇重叠生成印度语言技术词典

Karthika N J, Krishnakant Bhatt, Ganesh Ramakrishnan, Preethi Jyothi

机构 * Indian Institute of Technology Bombay（印度理工学院孟买学院） 纠错

AI总结 本文提出利用梵语段落生成印度语言技术词典的方法，通过子词级相似性和形态对齐提升翻译准确性，实验显示在技术术语翻译中取得显著提升。

Comments 20th Workshop on Innovative Use of NLP for Building Educational Applications (Co-located with ACL2025)

Balanced Accuracy: The Right Metric for Evaluating LLM Judges -- Explained through Youden's J statistic

平衡准确率：评估大语言模型判官的正确指标——通过Youden的J统计量解释

Stephane Collot, Colin Fraser, Justin Zhao, William F. Shen, Timon Willi, Ilias Leontiadis

机构 * Meta Superintelligence Labs（Meta超智能实验室） ； Meta ； University of Cambridge（剑桥大学） 纠错

AI总结 本文通过Youden的J统计量证明平衡准确率是评估LLM判官的更优指标，通过分析和实验展示其在选择判官时提升分类器鲁棒性的效果。

Comments 10 pages, 5 figures

Journal ref In Proceedings of the 19th Conference of the European Chapter of the Association for Computational Linguistics (Volume 5: Industry Track), pages 927-936, Rabat, Morocco, March 2026

WIST: Web-Grounded Iterative Self-Play Tree for Domain-Targeted Reasoning Improvement

WIST：基于网页的迭代自我对战树用于领域针对性推理改进

Fangyuan Li, Pengfei Li, Shijie Wang, Junqi Gao, Jianxing Liu, Biqing Qi, Yuqiang Li

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

AI总结 WIST通过基于网页的迭代自我对战树框架，无需预设领域语料，直接从开放网络学习，提升领域推理能力，优于纯内生自我进化和语料基础自我对战基线。

Comments 23 pages, 4 figures. Submitted to ACL2026

Teaching Old Tokenizers New Words: Efficient Tokenizer Adaptation for Pre-trained Models

为预训练模型教学旧分词器新词汇：高效的分词器适应方法

Taido Purason, Pavel Chizhov, Ivan P. Yamshchikov, Mark Fishel

机构 * Institute of Computer Science, University of Tartu（塔尔图大学计算机科学研究所） ； CAIRO, Technical University of Applied Sciences Würzburg-Schweinfurt（魏玛-施维林应用技术大学） 纠错

AI总结 本文提出通过继续BPE训练扩展分词器词汇并引入基于叶节点的词汇剪枝，提升分词效率和词汇利用率，提供开放源代码工具。

Comments Accepted to Findings of EACL 2026

Journal ref Findings of the Association for Computational Linguistics: EACL 2026, pages 6492-6516

Modality Matching Matters: Calibrating Language Distances for Cross-Lingual Transfer in URIEL+

模态匹配至关重要：在URIEL+中校准语言距离以实现跨语言迁移

York Hay Ng, Aditya Khan, Xiang Lu, Matteo Salloum, Michael Zhou, Phuong H. Hoang, A. Seza Doğruöz, En-Shiun Annie Lee

机构 * University of Toronto, Canada（多伦多大学） ； University of Michigan, USA（密歇根大学） ； Harvard University, USA（哈佛大学） ； Carnegie Mellon University, USA（卡内基梅隆大学） ； LT3, IDLab, Universiteit Gent, Belgium（IDLab，根特大学） ； Ontario Tech University, Canada（安大略技术大学） 纠错

AI总结 本文提出一种类型匹配的语言距离框架，通过结构感知的表示方法提升跨语言迁移性能，特别是在任务相关距离类型下表现更优。

Comments Accepted to EACL 2026 SRW

Journal ref In Proceedings of EACL 2026 (Volume 4: Student Research Workshop), pages 110 to 130. ACL

Exploring NLP Benchmarks in an Extremely Low-Resource Setting

在极低资源环境下探索NLP基准测试

Ulin Nuha, Adam Jatowt

机构 * National Kaohsiung University of Science and Technology（高雄科技大学） ； University of Innsbruck（因斯布鲁克大学） 纠错

AI总结 本文针对濒危罗曼语Ladin的Val Badia变体，利用少量平行语料生成合成数据集，提升低资源环境下的情感分析和多项选择问答性能，提供首个公开可用的Ladin数据集。

Comments The Association for Computational Linguistics: EACL 2026

Vocabulary shapes cross-lingual variation of word-order learnability in language models

词汇如何塑造语言模型中词序可学习性的跨语言变异

Jonas Mayer Martins, Jaap Jumelet, Viola Priesemann, Lisa Beinborn

机构 * University of Göttingen, Germany（德国哥廷根大学） ； University of Groningen, Netherlands（荷兰格罗宁根大学） ； MPI for Dynamics and Self-Organization, Germany（德国动态与自组织研究所） 纠错

AI总结 研究通过预训练变换器语言模型探讨不同词序语言的可学习性差异，发现词汇结构是影响词序可学习性的关键因素。

Comments Submitted to ACL 2026. 17 pages, 11 figures

HISR: Hindsight Information Modulated Segmental Process Rewards For Multi-turn Agentic Reinforcement Learning

HISR: 基于 hindsight 信息的分段过程奖励用于多轮代理强化学习

Zhicong Lu, Zichuan Lin, Wei Jia, Changyuan Tian, Deheng Ye, Peiguang Li, Li Jin, Nayu Liu, Guangluan Xu, Wei Feng

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空航天信息研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tencent Hunyuan（腾讯文脉） ； School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） 纠错

AI总结 本文提出HISR方法，通过hindsight信息调节分段过程奖励，提升多轮代理强化学习中的信用分配可靠性，实验验证了方法的有效性。

Comments Submitted to ACL 2026 on Jan 5, 2026

Enhancing Lexicon-Based Text Embeddings with Large Language Models

通过大语言模型增强基于词典的文本嵌入

Yibin Lei, Tao Shen, Yu Cao, Andrew Yates

机构 * University of Amsterdam（阿姆斯特丹大学） ； University of Technology Sydney（技术悉尼大学） ； Tencent IEG（腾讯IEG） ； Johns Hopkins University, HLTCOE（约翰霍普金斯大学，HLTCOE） 纠错

AI总结 本文提出基于词典的嵌入方法LENS，利用大语言模型处理词冗余问题，通过词嵌入聚类和双向注意力机制，在MTEB基准测试中优于密集嵌入，且支持高效维度剪枝。

Comments ACL 2025

Assessing LLM Reasoning Through Implicit Causal Chain Discovery in Climate Discourse

通过气候 discourse 中的隐含因果链发现评估 LLM 推理

Liesbeth Allein, Nataly Pineda-Castañeda, Andrea Rocci, Marie-Francine Moens

机构 * Department of Computer Science, KU Leuven（卢森堡大学计算机科学系） ； Institute of Argumentation, Linguistics, and Semiotics (IALS)（论证、语言学与象征学研究所） 纠错

AI总结 本文通过隐含因果链发现任务评估 LLM 的因果推理能力，发现其生成的因果步骤数量和粒度存在差异，但主要依赖关联模式匹配而非真实因果推理。

Comments LREC 2026, appendix to be found in ACL anthology

When Scanners Lie: Evaluator Instability in LLM Red-Teaming

当扫描器撒谎：在LLM红队测试中的评估者不稳定性

Lidor Erez, Omer Hofman, Tamir Nizri, Roman Vainshtein

AI总结 本文研究了LLM安全评估中评估者不稳定性问题，提出了一种可靠性意识的评估框架，通过量化评估者分歧和验证方法提升评估准确性，发现22个攻击类别存在评估不稳定现象，使评估准确率从72%提升至89%。

Comments Submitted to the EvalEval Workshop at ACL 2026

Safety-Potential Pruning for Enhancing Safety Prompts Against VLM Jailbreaking Without Retraining

安全潜力修剪：提升对抗VLM劫持的安全提示而无需重新训练

Chongxin Li, Hanzhang Wang, Lian Duan

AI总结 本文提出安全潜力修剪方法，通过去除对安全提示不敏感的权重，增强安全路径，提升VLM对抗能力，减少攻击成功率22%。

Comments Accepted for publication in Transactions of the Association for Computational Linguistics (TACL)

QAQ: Bidirectional Semantic Coherence for Selecting High-Quality Synthetic Code Instructions

QAQ：双向语义一致性用于选择高质量的合成代码指令

Jiayin Lei, Ming Ma, Yunxi Duan, Chenxi Li, Tianming Yang

AI总结 本文提出QAQ框架，通过双向语义一致性评估合成数据质量，利用反向互信息量化答案对查询的信息增益，实验表明选择25%数据可达到全数据训练效果，提升数据筛选效率。

Comments 14 pages, 5 figures. Under review at ACL 2026

Integrating Personality into Digital Humans: A Review of LLM-Driven Approaches for Virtual Reality

将人格融入数字人类：一种基于大语言模型的虚拟现实方法综述

Iago Alves Brito, Julia Soares Dollis, Fernanda Bufon Färber, Pedro Schindler Freire Brasil Ribeiro, Rafael Teixeira Sousa, Arlindo Rodrigues Galvão Filho

AI总结 本文综述了利用大语言模型驱动虚拟现实中的数字人类人格塑造方法，探讨了零样本、少样本和微调等技术，并指出计算需求、延迟及多模态交互评估框架缺乏等挑战。

Comments Revised and expanded version of the survey published in Findings of EMNLP 2025. Includes 14 pages and 2 figures

Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025, 9519--9532

ArithmAttack: Evaluating Robustness of LLMs to Noisy Context in Math Problem Solving

ArithmAttack：评估LLMs在数学问题解决中对噪声上下文的鲁棒性

Zain Ul Abedin, Shahzeb Qamar, Lucie Flek, Akbar Karimi

AI总结 本文提出ArithmAttack方法，评估LLMs在包含标点符号噪声的提示下鲁棒性，发现所有模型在噪声增加时表现下降。

Comments Accepted to LLMSEC Workshop at ACL 2025

Interpretable Semantic Gradients in SSD: A PCA Sweep Approach and a Case Study on AI Discourse

可解释的语义梯度在SSD中的应用：PCA扫描方法及AI话语案例研究

Hubert Plisiecki, Maria Leniarska, Jan Piotrowski, Marcin Zajenkowski

机构 * IDEAS Research Institute（IDEAS研究院） ； VIZJA University（VIZJA大学） ； Warsaw University of Technology（华沙技术大学） ； University of Warsaw（华沙大学） 纠错

AI总结 本文提出PCA扫描方法以选择保留的成分数量，通过案例研究展示如何在SSD中实现稳定的可解释语义梯度，同时保持解释性目标。

Comments Submitted to ACL 2026

Rethinking the Relationship between the Power Law and Hierarchical Structures

重新思考幂律与分层结构之间的关系

Kai Nakaishi, Ryo Yoshida, Kohei Kajikawa, Koji Hukushima, Yohei Oseki

机构 * RIKEN（理化学研究所） ； National Institute for Japanese Language and Linguistics（日本语言学研究所） ； The University of Tokyo（东京大学） ； Georgetown University（乔治城大学） ； National Institute of Informatics（信息处理研究所） 纠错

AI总结 本文通过分析自然语言解析树的统计特性，质疑了幂律与分层结构之间关系的普遍性，发现解析树与概率上下文无关文法的假设不成立。

Comments Accepted for publication in Transactions of the Association for Computational Linguistics (TACL). This is a pre-MIT Press publication version

In the LLM era, Word Sense Induction remains unsolved

在大语言模型时代，词义诱导仍未能解决

Anna Mosolova, Marie Candito, Carlos Ramisch

AI总结 本文提出基于大语言模型的词义诱导方法，发现无监督方法难以超越'每个词根一个聚类'启发式方法，同时表明数据增强和Wiktionary利用对提升性能有帮助。

Comments Accepted at ACL 2025 (Findings)

Leveraging Wikidata for Geographically Informed Sociocultural Bias Dataset Creation: Application to Latin America

利用Wikidata实现地理导向的社会文化偏见数据集创建：应用于拉丁美洲

Yannis Karmim, Renato Pino, Hernan Contreras, Hernan Lira, Sebastian Cifuentes, Simon Escoffier, Luis Martí, Djamé Seddah, Valentin Barrière

AI总结 本文利用Wikidata和维基百科内容创建拉丁美洲社会文化偏见数据集，通过多项选择题评估LLMs在不同文化背景下的表现差异，发现模型在原生语言中表现更佳，且伊比利亚西班牙文化认知度高于拉丁美洲文化。

Journal ref Workshop on Multilingual and Multicultural Evaluation (MME) of the 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL), Pinzhen Chen; Vil{é}m Zouhar; Hanxu Hu; Simran Khanuja; Wenhao Zhu; Barry Haddow; Alexandra Birch; Alham Fikri Aji; Rico Sennrich; Sara Hooker, Mar 2026, Rabbat, Morocco

Are you sure? Measuring models bias in content moderation through uncertainty

你确定吗？通过不确定性测量内容审核中的模型偏差

Alessandra Urbinati, Mirko Lai, Simona Frenda, Marco Antonio Stranisci

机构 * Laboratory for the Modeling of Biological and Socio-technical Systems, Northeastern University（生物与社会技术系统建模实验室，东北大学） ； Heriot-Watt University（赫瑞-瓦特大学） ； aequa-tech（aequa-tech公司） ； Università del Piemonte Orientale（皮埃蒙特东方大学） ； Università degli Studi di Torino（托里尼大学） 纠错

AI总结 本文提出通过模型预测不确定性来衡量内容审核中模型的偏差，揭示预训练模型对少数群体的预测准确性与置信度的差异，以改进模型公平性。

Comments accepted at Findings of ACL: EMNLP 2025

ObjChangeVR: Object State Change Reasoning from Continuous Egocentric Views in VR Environments

ObjChangeVR: 从VR环境中连续眼动视角推断物体状态变化

Shiyi Ding, Shaoen Wu, Ying Chen

机构 * Kennesaw State University（肯纳邦大学） ； Pennsylvania State University（宾夕法尼亚州立大学） 纠错

AI总结 ObjChangeVR通过结合视角感知和时间基检索，有效识别VR环境中物体状态变化，提升多模态大语言模型在复杂场景下的表现。

Comments European Chapter of the Association for Computational Linguistics (EACL) 2026 Main

Track-SQL: Enhancing Generative Language Models with Dual-Extractive Modules for Schema and Context Tracking in Multi-turn Text-to-SQL

Track-SQL: 通过双提取模块增强生成语言模型以在多轮文本到SQL中进行模式和上下文跟踪

Bingfeng Chen, Shaobin Shi, Yongqi Luo, Boyan Xu, Ruichu Cai, Zhifeng Hao

机构 * School of Computer Science, Guangdong University of Technology（广东技术大学计算机科学学院） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室） ； Peng Cheng Laboratory（鹏城实验室） ； College of Science, Shantou University（汕头大学理学院） 纠错

AI总结 Track-SQL通过双提取模块提升生成语言模型在多轮文本到SQL任务中的模式和上下文跟踪能力，实现性能显著提升。

Comments Accepted at the 2025 Conference of the Nations of the Americas Chapter of the Association for Computational Linguistics (NAACL 2025), Long Paper, 19 pages

Journal ref Proceedings of the 2025 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long Papers), pp. 10690-10708. Association for Computational Linguistics, 2025

HALP: Detecting Hallucinations in Vision-Language Models without Generating a Single Token

在不生成单个标记的情况下检测视觉-语言模型中的幻觉

Sai Akhil Kogilathota, Sripadha Vallabha E G, Luzhe Sun, Jiawei Zhou

机构 * Stony Brook University（石英溪大学） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所） 纠错

AI总结 通过探测模型内部表示在生成前检测视觉-语言模型的幻觉风险，展示不同架构中信息丰富的层和模态差异，并验证轻量级探测器在提升安全性和效率方面的潜力。

Journal ref The 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2026)

La Leaderboard: A Large Language Model Leaderboard for Spanish Varieties and Languages of Spain and Latin America

La Leaderboard：一种用于西班牙及拉丁美洲各种语言和方言的大型语言模型排行榜

María Grandury, Javier Aula-Blasco, Júlia Falcão, Clémentine Fourrier, Miguel González, Gonzalo Martínez, Gonzalo Santamaría, Rodrigo Agerri, Nuria Aldama, Luis Chiruzzo, Javier Conde, Helena Gómez, Marta Guerrero, Guido Ivetta, Natalia López, Flor Miriam Plaza-del-Arco, María Teresa Martín-Valdivia, Helena Montoro, Carmen Muñoz, Pedro Reviriego, Leire Rosado, Alejandro Vaca, María Estrella Vallecillo-Rodríguez, Jorge Vallego, Irune Zubiaga

机构 * SomosNLP ； ETSIT, Universidad Politécnica de Madrid（ETSIT，西班牙马德里理工大学） ； Barcelona Supercomputing Center（巴塞罗那超级计算中心） ； Hugging Face ； Universidad Carlos III de Madrid（马德里卡洛斯三世大学） ； Instituto de Ingeniería del Conocimiento（知识工程研究所） ； Centro HiTZ - Ixa, Universidad del País Vasco UPV/EHU（HiTZ-Ixa中心，巴斯克大学） ； LIACS, Leiden University（LIACS，莱顿大学） ； Universidad de Jaén（杰嫩大学） ； Universidad Nacional de Córdoba（科尔多瓦国立大学） ； Universidad Nacional Autónoma de México（墨西哥国立自治大学） ； Universidad de la República, Uruguay（乌拉圭共和国大学） 纠错

AI总结 La Leaderboard是一个开源项目，旨在评估西班牙及拉丁美洲各种语言和方言的生成式大型语言模型，通过社区驱动的方式促进多样化语言模型的发展。

Comments Accepted at ACL 2025 Main

MUSE: A Run-Centric Platform for Multimodal Unified Safety Evaluation of Large Language Models

MUSE：一种面向多模态统一安全评估的运行导向平台

Zhongxi Wang, Yueqian Lin, Jingyang Zhang, Hai Helen Li, Yiran Chen

机构 * Duke University（杜克大学） ； Virtue AI 纠错

AI总结 MUSE提出一种多模态统一安全评估平台，通过多轮攻击和跨轮模态切换技术，评估大型语言模型在不同模态下的安全性能。

Comments Submitted to ACL 2026 System Demonstration Track

HELIOS: Harmonizing Early Fusion, Late Fusion, and LLM Reasoning for Multi-Granular Table-Text Retrieval

HELIOS: 协调早期融合、后期融合和大语言模型推理以实现多粒度表格-文本检索

Sungho Park, Joohyung Yun, Jongwuk Lee, Wook-Shin Han

机构 * POSTECH（POSTECH大学） ； Sungkyunkwan University（成均馆大学） 纠错

AI总结 HELIOS通过结合早期融合、后期融合和LLM推理，提升多粒度表格-文本检索性能，实验显示在召回率和nDCG上显著优于现有模型。

Comments 9 pages, 6 figures. Accepted at ACL 2025 main. Project page: https://helios-projectpage.github.io/

Journal ref Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 32424-32444, July 2025

LLM-as-an-Annotator: Training Lightweight Models with LLM-Annotated Examples for Aspect Sentiment Tuple Prediction

LLM-as-Annotator: 利用LLM标注示例训练轻量模型进行方面情感元组预测

Nils Constantin Hellwig, Jakob Fehle, Udo Kruschwitz, Christian Wolff

机构 * Media Informatics Group, University of Regensburg, Regensburg, Germany（莱茵河畔大学媒体信息学组） ； Information Science Group, University of Regensburg, Regensburg, Germany（莱茵河畔大学信息科学组） 纠错

AI总结 本文提出LA-ABSA方法，利用LLM生成的标注示例训练轻量模型，以高效完成复杂的情感分析任务。

Comments Accepted for publication at LREC 2026. Final version will appear in the ACL Anthology

AnnoABSA: A Web-Based Annotation Tool for Aspect-Based Sentiment Analysis with Retrieval-Augmented Suggestions

AnnoABSA：一个支持基于方面的情感分析的网页标注工具，具有检索增强的建议

Nils Constantin Hellwig, Jakob Fehle, Udo Kruschwitz, Christian Wolff

机构 * Media Informatics Group, University of Regensburg, Regensburg, Germany（里根斯堡大学媒体信息学组） ； Information Science Group, University of Regensburg, Regensburg, Germany（里根斯堡大学信息科学组） 纠错

AI总结 AnnoABSA是一款支持基于方面的情感分析的网页标注工具，结合检索增强生成建议提升标注效率与准确性。

Comments Accepted for publication at LREC 2026. Final version will appear in the ACL Anthology

Large Language Models in Bioinformatics: A Survey

大语言模型在生物信息学中的应用：综述

Zhenyu Wang, Zikang Wang, Jiyue Jiang, Pengan Chen, Xiangyu Shi, Yu Li

机构 * The Chinese University of Hong Kong（香港中文大学） ； Peking University Third Hospital（北京大学第三医院） ； The Hong Kong Polytechnic University（香港理工大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文综述了大语言模型在生物信息学中的应用，涵盖基因组序列建模、RNA结构预测等核心方法，并探讨了数据稀缺和跨组学整合等挑战及未来发展方向。

Comments Accepted by ACL 2025