期刊&会议
Annual Meeting of the Association for Computational Linguistics · 会议 · Natural Language Processing
SSKG Hub: 一个基于大语言模型的可持续性标准知识图谱专家指导平台
机构 * Alibaba-NTU Global e-Sustainability CorpLab (ANGEL)（阿里-国立大学全球可持续性公司实验室（ANGEL）） ； Alibaba Group（阿里巴巴集团）
AI总结 SSKG Hub通过大语言模型和专家指导构建可持续性标准知识图谱，实现标准到可审计图谱的转化，并提供治理框架和跨图谱融合功能。
Comments 10 pages, 2 figures, 2 tables, submitted to ACL26 System Demo Track
CT-Flow: 通过模型上下文协议服务器协调CT解释工作流
机构 * Qing Yuan Research Institute, Shanghai Jiao Tong University, Shanghai, China（清元研究院，上海交通大学，上海，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国） ； Sensetime Research, Shanghai, China（senseTime研究院，上海，中国）
AI总结 CT-Flow通过模型上下文协议实现3D CT解释工作流的动态协调，提升诊断准确性和工具调用效率。
Comments submitting to ACL 2026
意图自适应的LLM微调用于文本修订生成
机构 * Department of Computer Science, Learning Research & Development Center University of Pittsburgh（计算机科学系、学习研究与开发中心宾夕法尼亚大学）
AI总结 本文提出Intention-Tuning框架，通过意图自适应的逐层微调提升文本修订生成效果。
Comments In the Conference of the European Chapter of the Association for Computational Linguistics (EACL), March 2026
在多轮对话中衡量语言模型的趋炎附势性
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Emory University（埃默里大学）
AI总结 本研究提出SYCON基准，评估多轮对话中语言模型的趋炎附势性，发现对齐调优会放大该行为，而模型规模和推理优化能增强抗压能力，采用第三人称视角可显著减少趋炎附势性。
Comments Accepted to Findings of EMNLP 2025
Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025, pages 2239-2259
SumTablets: 一则苏美尔泥板的转写数据集
机构 * Stanford University（斯坦福大学） ； University of Cambridge（剑桥大学）
AI总结 SumTablets数据集通过将苏美尔楔形文字泥板的Unicode表示与转写配对，为NLP方法应用于苏美尔转写提供了支持，展示了基于转换器的模型在快速验证转写方面的潜力。
Comments 11 pages with 3 figures
Journal ref Proceedings of the 1st Workshop on Machine Learning for Ancient Languages (ML4AL 2024), pages 192-202, Hybrid in Bangkok, Thailand and online. Association for Computational Linguistics
VULCA-Bench：一个多文化视觉-语言基准，用于评估文化理解
机构 * DJCAD, University of Dundee, United Kingdom（邓迪大学DJCAD部门） ； University of California, Santa Cruz, USA（加州大学圣克ruz分校） ； Analogy AI ； East China Normal University, China（华东师范大学） ； Nanjing University, China（南京大学） ； Department of Mechanical Engineering, School of Engineering, University of Birmingham（伯明翰大学工程学院机械工程系）
AI总结 VULCA-Bench通过多文化艺术批评基准评估视觉-语言模型在文化理解上的能力，包含7,410对图像-批评对，涵盖八个文化传统，通过五层框架评估文化理解，揭示更高阶推理更具挑战性。
Comments 8 pages, 4 figures, submitted to ACL 2026 Dataset Track
跨文化专家级艺术批评评估与视觉-语言模型
机构 * DJCAD, University of Dundee, United Kingdom（邓迪大学DJCAD研究中心，英国） ； Hebei Academy of Fine Art, China（河北美术院，中国） ； Computer Science, Nanjing University, China（南京大学计算机科学系，中国） ； Department of Mechanical Engineering, School of Engineering, University of Birmingham（伯明翰大学工程学院机械工程系）
AI总结 本文提出了一种跨文化评估框架，用于评估视觉-语言模型在艺术批评中的文化理解能力，揭示了自动化指标与专家评分的差异及文化敏感性问题。
Comments 16 pages, 7 figures, submitted to ACL 2026
INSURE-Dial: 一个面向合规验证和阶段检测的相位感知对话数据集与基准
AI总结 INSURE-Dial是一个面向合规验证和阶段检测的相位感知对话数据集与基准，通过相位结构化标注和两个新评估任务提升语音代理的合规性评估能力。
Comments Accepted to the 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2026)
EuroGEST：研究多语言语言模型中的性别刻板印象
机构 * University of Edinburgh（爱丁堡大学） ； Warsaw University of Technology（华沙技术大学） ； Aveni
AI总结 EuroGEST研究多语言语言模型中的性别刻板印象，通过跨29种欧洲语言的数据集揭示了性别刻板印象的普遍性及模型对刻板印象的编码强度。
Comments In Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing, pages 32074-32096, Suzhou, China. Association for Computational Linguistics. 9 pages, 5 figures, 1 table
会话中不同及跨轮次的语篇关系分布
机构 * Department of Linguistics University at Buffalo（语言学系布法罗大学）
AI总结 本研究探讨了自发对话中不同及跨轮次的语篇关系分布，通过众包标注发现不同语境下语篇关系的分布差异，并验证了语篇关系标注的预测能力。
Comments Proceedings of Computational Approaches to Discourse 2023, collocated with the 2023 meeting of the Association for Computational Linguistics, Toronto, Canada
社交媒体中自然语言处理隐私风险识别（NLP-PRISM）：一项调查
机构 * George Mason University（乔治·马歇尔大学）
AI总结 本文提出NLP-PRISM框架，系统评估社交媒体中NLP处理的隐私风险，揭示模型隐私保护与效用之间的权衡，并呼吁加强隐私保护措施。
Journal ref In Proceedings of the 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL) 2026
Indic-TunedLens：解读印度语言多语言模型
机构 * Dwarkadas Jivanlal Sanghvi College of Engineering（达沃拉斯·吉文拉尔工程学院） ； Indian Institute of Technology Jodhpur（印度理工学院乔浦尔分校） ； King’s College London（伦敦国王学院） ； Indian Institute of Technology Patna（印度理工学院帕特纳分校）
AI总结 Indic-TunedLens通过学习共享仿射变换，为印度语言提供更准确的模型表示解码，提升多语言模型的可解释性。
Comments 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL) Thirteenth Workshop on NLP for Similar Languages, Varieties and Dialects (VarDial) 2026
iQUEST: 一种迭代式问题引导的知识库问答框架
机构 * Department of Computer Science and Engineering（计算机科学与工程系）
AI总结 iQUEST通过迭代分解复杂查询和集成图神经网络，提升多跳知识库问答的推理准确性与连贯性。
Comments Accepted to the 63rd Annual Meeting of the Association for Computational Linguistics (ACL 2025), Main Track
大型语言模型作为本体对齐的预言机
机构 * City St George’s, University of London, UK（伦敦大学城市圣乔治学院）
AI总结 本文提出利用大型语言模型作为预言机，通过验证高不确定性的对应关系子集，提升本体对齐任务的性能，在OAEI 2025中取得优异成绩。
Comments Paper accepted at the 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2026), main conference. 21 pages
具有基于提示控制的多功能歌曲生成框架
机构 * Zhejiang University（浙江大学）
AI总结 VersBand通过多任务框架实现基于提示的可控高质量歌曲生成，包含人声、伴奏、歌词和旋律生成模型，实验表明其在多个任务中表现优异。
Comments Accepted by Findings of EMNLP 2025
Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025
评估大语言模型在波斯文学文本生成中的创造力
机构 * Tehran Institute for Advanced Studies, Khatam University, Iran（德黑兰高级研究学院，卡坦大学，伊朗） ； School of Electrical and Computer Engineering, College of Engineering, University of Tehran, Tehran, Iran（电气与计算机工程学院，工程学院，德黑兰大学，德黑兰，伊朗）
AI总结 本文评估了LLMs在生成波斯文学文本中的创造力，通过定制测试和人工验证，分析其在原创性、流畅性、灵活性和扩展性方面的表现，并探讨其在文学修辞手法应用上的能力。
Journal ref In Findings of the Association for Computational Linguistics: EMNLP 2025, pages 14762-14774, Suzhou, China. Association for Computational Linguistics
NewsInterview: 一个用于通过信息性访谈评估LLM地面间隙的数据集和游乐场
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Southern California（南加州大学） ； Information Sciences Institute（信息科学研究所） ； Northeastern University（东北大学）
AI总结 NewsInterview通过信息性访谈数据集和模拟环境，揭示LLMs在战略对话和多轮规划方面的能力不足，强调需提升其对话策略与说服力。
Comments Accepted at ACL 2025: https://aclanthology.org/2025.acl-long.1580/
SCALE：基于大语言模型代理和人工干预的社会科学研究内容分析
AI总结 SCALE通过大语言模型代理和人工干预，实现了社会科学中复杂内容分析的高效模拟与提升。
Comments Accepted by the Annual Meeting of the Association for Computational Linguistics (ACL) 2025 Main Conference
ExpliCa：评估大型语言模型中的显式因果推理
机构 * CoLing Lab, Department of Philology, Literature, and Linguistics, University of Pisa, Italy（皮尔森大学哲学、文学与语言学系协作语言实验室） ； Department of Informatics, University of Pisa, Italy（皮尔森大学信息学系） ； Department of Chinese and Bilingual Studies, The Hong Kong Polytechnic University（香港理工大学中文与双语研究系）
AI总结 ExpliCa数据集用于评估大型语言模型在显式因果推理中的能力，发现顶级模型在准确率上仍存在显著不足，且模型性能受语言顺序和大小影响明显。
Comments Accepted for publication in Findings of ACL 2025
Journal ref In Findings of the Association for Computational Linguistics: ACL 2025, pages 17335-17355, Vienna, Austria. Association for Computational Linguistics
AutoMixer：检查点 artifacts 作为自动数据混合器
AI总结 AutoMixer通过利用检查点模型的新兴能力，自动优化数据混合，提升预训练性能达1.93%。
Comments Accepted at ACL 2025
déjà vu？通过眼动模式解码重复阅读
机构 * Faculty of Data and Decision Sciences, Technion - Israel Institute of Technology（数据与决策科学学院，特拉维夫大学-以色列理工学院） ； Department of Brain and Cognitive Sciences, Massachusetts Institute of Technology（脑与认知科学系，麻省理工学院）
AI总结 通过分析眼动模式，研究自动判断读者是否曾接触过同一文本，并探索记忆效应在重复阅读中的作用。
Journal ref https://aclanthology.org/2025.acl-long.956/
概率聚合与定向嵌入优化用于大语言模型中的集体道德推理
机构 * School of Computation, Information and Technology, Technical University of Munich（计算、信息与技术学院，慕尼黑技术大学） ； School of Social Sciences and Technology, Technical University of Munich（社会科学与技术学院，慕尼黑技术大学）
AI总结 本文提出了一种概率聚合与定向嵌入优化方法，通过融合多个大语言模型的道德判断，提升集体道德推理的一致性和准确性。
Comments Accepted to ACL 2025 (Findings)
通过离线模拟与LLM实现软件脚本自动化中的技能发现
机构 * University of Maryland, College Park（马里兰大学College Park分校） ； Adobe Research（Adobe研究院）
AI总结 本文提出了一种利用离线模拟与LLM构建软件特定技能集的方法，通过生成和验证脚本提升自动化效率，减少运行时成本。
Comments Findings of the Association for Computational Linguistics: EACL 2026
基于指导的提示数据增强在专业领域中的命名实体识别
机构 * Computer Science and Engineering, Chungnam National University, Republic of Korea（Chungnam 国立大学计算机科学与工程系） ； KT Corporation, Republic of Korea（KT 公司）
AI总结 本研究提出一种基于指导的提示数据增强方法，通过抽象上下文和句子结构生成多样化句子，提升专业领域命名实体识别任务的训练性能。
Journal ref Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (ACL 2024), 2024
LEANCODE: 为预训练大语言模型的代码简化更好地理解模型
AI总结 LeanCode通过上下文感知注意力分数优化代码简化，提升预训练大语言模型在代码搜索和摘要任务中的性能。
Comments ACL 2025 Main. Our code and dataset are available at https://github.com/akai-sh/LeanCode
Journal ref Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 1551-1567 (2025)
利用上下文信息提升LLMs在非正式政治 discourse中的立场检测
机构 * Khoury College of Computer Sciences Northeastern University（科里学院计算机科学系东北大学）
AI总结 本研究通过引入用户资料上下文信息，利用LLMs提升非正式政治讨论中立场检测的准确性，实验表明上下文提示可使准确率提升17.5%-38.5%。
Comments 14 pages, 7 figures
Journal ref Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 4: Student Research Workshop) 2025
基于偏好向量的自适应有益有害对齐
机构 * National Taiwan University（国立台湾大学） ； Texas A&M University（德克萨斯A&M大学） ； Appier AI Research（Appier人工智能研究院） ； Graduate Institute of Communication Engineering, National Taiwan University（国立台湾大学通信工程研究所）
AI总结 本文提出偏好向量框架，通过模块化方法实现细粒度的用户可控偏好调整，提升大语言模型的有益性和无害性平衡。
Comments Accepted at The 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2026), Rabat, Morocco
自聚焦：通过多级聚焦从无监督文本中增强合成指令的多样性和难度
机构 * Research Center for Social Computing and Interactive Robotics（社会计算与交互机器人研究中心） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 Self-Foveate通过多级聚焦方法提升无监督文本合成指令的多样性和难度，采用细粒度到整体模式的提取策略，并结合重合成模块提高指令质量。
Comments Accepted to ACL 2025 (Findings). 23 pages, 4 figures
通过电路发现理解大语言模型中的逐字记忆
机构 * Faculty of Informatics, TU Wien（信息学院，维也纳技术大学）
AI总结 通过分析transformer电路，研究揭示了大语言模型中记忆启动与维持机制的区别及跨领域鲁棒性
Comments The First Workshop on Large Language Model Memorization @ ACL 2025, Vienna, August 1st, 2025
一种评估和增强多模态大语言模型在文化情境任务中解释能力的结构框架
机构 * DJCAD, University of Dundee, United Kingdom（邓迪大学DJCAD部门） ； ARG-tech, SSEN, University of Dundee, United Kingdom（邓迪大学） ； School of Computer Science, University of Birmingham, United Kingdom（伯明翰大学计算机科学学院）
AI总结 本研究提出了一种结构框架，用于评估和增强多模态大语言模型在文化情境任务中生成中国绘画批评的能力，通过量化评价特征和人设引导提示，揭示了VLMs在艺术批评领域的表现与局限。
Comments EMNLP 2025 submission, 10 pages, 6 figures, 5 tables
Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025, pages 1945-1971, Suzhou, China
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