BACH-V: Bridging Abstract and Concrete Human-Values in Large Language Models
BACH-V: 联结抽象与具体的人类价值观在大语言模型中
AI总结 BACH-V研究通过探测和引导方法揭示大语言模型中抽象与具体价值观的联结机制，发现其能稳定锚定抽象价值观以影响具体决策。
Comments 34 pagess, 16 figures, 6 tables, submitted to ACL 2026
期刊&会议
ACL
Annual Meeting of the Association for Computational Linguistics · 会议 · Natural Language Processing
IF-GEO: Conflict-Aware Instruction Fusion for Multi-Query Generative Engine Optimization
IF-GEO：面向多查询生成引擎优化的冲突感知指令融合
机构 * School of Cyber Science and Technology, University of Science and Technology of China（中国科学技术大学网络科学与技术学院） ； Institute of Dataspace, Hefei Comprehensive National Science Center（合肥综合性国家科学中心数据研究所）
AI总结 IF-GEO通过冲突感知指令融合框架，提升多查询生成引擎在有限预算下的优化稳定性与性能。
Comments 9 pages, 3 figures. Submitted to ACL 2026. Corresponding author: Zhen Chen
LR-DWM: Efficient Watermarking for Diffusion Language Models
LR-DWM: 用于扩散语言模型的高效水印技术
机构 * Bar-Ilan University（巴伊兰大学） ； NVIDIA（英伟达）
AI总结 LR-DWM是一种用于扩散语言模型的高效水印技术，通过利用左右邻居信息偏移生成令牌，实现低开销的高可检测性水印方案。
Comments Submitted to ACL Rolling Review (ARR). 7 pages, 4 figures
MedQA-CS: Objective Structured Clinical Examination (OSCE)-Style Benchmark for Evaluating LLM Clinical Skills
MedQA-CS: 用于评估大语言模型临床技能的Objective Structured Clinical Examination (OSCE)风格基准
机构 * University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校） ； Emory University（埃默里大学） ； University of Minnesota（明尼苏达大学） ； University of Massachusetts, Lowell（马萨诸塞大学洛厄尔分校） ； UMass Chan Medical School（UMass Chan医学学院）
AI总结 MedQA-CS是一种基于OSCE风格的基准，用于评估大语言模型的临床技能，通过模拟医学学生和评估者任务，提供更全面的评估方法。
Comments To appear in proceedings of the Main Conference of the European Chapter of the Association for Computational Linguistics (EACL) 2026
DeAL: Decoding-time Alignment for Large Language Models
DeAL：大型语言模型的解码时间对齐
机构 * University of Southern California（南加州大学） ； Ω WS AI Labs（Ω WS AI实验室）
AI总结 DeAL通过允许用户自定义奖励函数和实现解码时间对齐，改进了大型语言模型对齐目标的实现。
Comments ACL 2025
Theorem Prover as a Judge for Synthetic Data Generation
定理推理解释器作为合成数据生成的裁判
机构 * School of Informatics, The University of Edinburgh（信息学院，爱丁堡大学）
AI总结 本研究提出TP-as-a-Judge和RLTPF方法，通过定理推理解释器提升LLM的合成数据生成与推理准确性。
Journal ref Proc. ACL 2025, pp. 29941-29977
When People are Floods: Analyzing Dehumanizing Metaphors in Immigration Discourse with Large Language Models
当人们是洪水：利用大型语言模型分析移民话语中的去人性化隐喻
机构 * University of Maryland（马里兰大学） ； University of Michigan（密歇根大学）
AI总结 本文利用大型语言模型分析移民话语中的去人性化隐喻，探讨隐喻、政治意识形态与用户参与之间的关系。
Comments To appear at ACL 2025. Please cite ACL version when proceedings are available
Journal ref Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (2025) 8079-8103
Seeing Symbols, Missing Cultures: Probing Vision-Language Models' Reasoning on Fire Imagery and Cultural Meaning
识别符号，缺失文化：探究视觉-语言模型在火 imagery 和文化意义上的推理
机构 * Duncan of Jordanstone College of Art & Design (DJCAD), University of Dundee（邓迪大学邓迪艺术与设计学院（DJCAD）） ； Guangzhou Institute of Science and Technology (GZIST)（广州科学技术研究院） ； Faculty of Arts, Xiamen University（厦门大学艺术学院） ； University of Birmingham（伯明翰大学）
AI总结 研究发现视觉-语言模型在处理火主题文化图像时存在系统性偏见，需通过文化评估确保公平性和可解释性。
Comments 8 pages, 5 figures, 4 tables. Submitted to WiNLP 2025 Workshop at COLING 2025
Journal ref Proceedings of the 9th Widening NLP Workshop (WiNLP 2025), pages 1-8, Suzhou, China. Association for Computational Linguistics
Are My Optimized Prompts Compromised? Exploring Vulnerabilities of LLM-based Optimizers
我的优化提示是否被 compromised？探索基于 LLM 的优化器的漏洞
机构 * Tsinghua University（清华大学） ； Microsoft（微软）
AI总结 研究发现基于 LLM 的提示优化存在重大安全漏洞，提出假奖励攻击及轻量级防御措施，揭示优化流程为重要攻击目标。
Comments Proceedings of the 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2026)
ActiveLLM: Large Language Model-based Active Learning for Textual Few-Shot Scenarios
ActiveLLM: 基于大语言模型的文本少样本场景中的主动学习
机构 * PEASEC Technical University of Darmstadt（PEASEC技术大学达姆施塔特）
AI总结 ActiveLLM利用大语言模型提升少样本场景下的分类性能，优于传统方法及ADAPET、PERFECT和SetFit等少样本学习方法。
Comments 20 pages, 10 figures, 7 tables
Journal ref Transactions of the Association for Computational Linguistics 14 (2026) 1-22
GROKE: Vision-Free Navigation Instruction Evaluation via Graph Reasoning on OpenStreetMap
GROKE: 通过OpenStreetMap上的图推理进行无视觉导航指令评估
机构 * Aalto University（阿alto大学） ； Ghent University（根特大学）
AI总结 GROKE提出一种基于OpenStreetMap的无视觉导航指令评估框架，通过图推理和拓扑导航提升评估精度与可扩展性。
Comments Under Review for ACL 2026
Think Bright, Diffuse Nice: Enhancing T2I-ICL via Inductive-Bias Hint Instruction and Query Contrastive Decoding
Think Bright, Diffuse Nice: 通过归纳偏置提示指令和查询对比解码增强T2I-ICL
机构 * Cao Tu Li (Guangzhou) Technology Co., Ltd（曹图利（广州）科技有限公司） ； South China University of Technology（华南理工大学） ； Washington State University（华盛顿州立大学） ； Hong Kong Baptist University（香港 Baptist 大学）
AI总结 TBDN通过引入归纳偏置提示指令和查询对比解码，有效解决T2I-ICL中的合规性失败和先验主导幻觉问题，实现高效可靠的图像生成。
Comments Submitted to ACL 2026
Browse and Concentrate: Comprehending Multimodal Content via prior-LLM Context Fusion
浏览与聚焦：通过先验LLM上下文融合理解多模态内容
机构 * Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University, Beijing, China（计算机科学与技术系，人工智能研究院，清华大学，北京，中国） ； Institute for AI Industry Research (AIR), Tsinghua University, Beijing, China（人工智能产业研究院（AIR），清华大学，北京，中国） ； Institute of Intelligent Computing, Alibaba Group（智能计算研究院，阿里巴巴集团） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） ； Jiangsu Collaborative Innovation Center for Language Competence, Jiangsu, China（江苏省语言能力协同创新中心，江苏，中国）
AI总结 本文提出浏览与聚焦两阶段范式，通过融合先验LLM上下文提升多模态内容理解，显著提升多图像场景的性能。
Comments 17 pages, 5 figures
Journal ref ACL 2024
TURNA: A Turkish Encoder-Decoder Language Model for Enhanced Understanding and Generation
TURNA：一种用于增强理解和生成的土耳其编码器-解码器语言模型
AI总结 TURNA是一种专为土耳其语设计的编码器-解码器语言模型，通过预训练在低资源环境下实现了对自然语言理解和生成任务的提升。
Journal ref Findings of the Association for Computational Linguistics: ACL 2024
Efficient Continual Pre-training for Building Domain Specific Large Language Models
构建领域特定大语言模型的高效持续预训练
机构 * Amazon Services LLC（亚马逊公司）
AI总结 本研究提出通过持续预训练在现有开放领域LLM上构建领域特定LLM，采用数据选择策略提升效果，降低训练成本。
Comments ACL 2024: https://aclanthology.org/2024.findings-acl.606/
Journal ref Findings of the Association for Computational Linguistics: ACL 2024
PCoT: Persuasion-Augmented Chain of Thought for Detecting Fake News and Social Media Disinformation
PCoT：增强说服力的推理链用于检测虚假新闻和社会媒体谣言
机构 * University of Padua（帕多瓦大学） ； Polish-Japanese Academy of Information Technology（波兰-日本信息科技学院）
AI总结 PCoT通过整合说服知识提升零样本虚假信息检测性能，实验表明其在五个LLM和五个数据集上平均提升15%。
Comments Accepted to ACL 2025 Main Conference
Enhancing Multimodal Retrieval via Complementary Information Extraction and Alignment
通过互补信息提取与对齐增强多模态检索
机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（1 智能系统工程学院，中山大学） ； Alibaba Group（2 阿里巴巴集团） ； Guangdong Provincial Key Laboratory of Fire Science and Intelligent Emergency Technology（3 广东省火灾科学与智能应急技术重点实验室）
AI总结 CIEA通过互补信息提取与对齐提升多模态检索效果，实现对图像和文本统一潜在空间的建模，并在多个基准上取得显著优势。
Comments Accepted by ACL'2025
Memory Tokens: Large Language Models Can Generate Reversible Sentence Embeddings
记忆令牌：大语言模型可以生成可逆的句子嵌入
机构 * Instituto de Computación, Facultad de Ingeniería, Universidad de la República（计算机研究所，工程学院，乌拉圭共和国大学）
AI总结 本研究通过引入记忆令牌，使大语言模型能够生成可逆的句子嵌入，实现对原始文本的精确重建，展示了LLM在记忆检索与文本生成中的新能力。
Comments This paper will be presented at The First Workshop on Large Language Model Memorization (L2M2) at ACL 2025
Harnessing PDF Data for Improving Japanese Large Multimodal Models
利用PDF数据提升日语大规模多模态模型
机构 * The University of Tokyo（东京大学） ； National Institute of Informatics（信息处理研究所）
AI总结 本文通过利用日本PDF数据提升日语大规模多模态模型的性能，采用自动化流程提取图像-文本对并构建指令数据，实验结果显示在Heron-Bench上性能提升达2.1%-13.8%。
Comments Accepted to ACL2025 Findings. Code: https://github.com/ku21fan/PDF-JLMM
Journal ref Findings of the Association for Computational Linguistics: ACL 2025
eTracer: Towards Traceable Text Generation via Claim-Level Grounding
eTracer：通过声明级 grounding 实现可追溯的文本生成
机构 * University of Duisburg-Essen（杜伊斯堡-埃森大学） ； Technische Universität Berlin（柏林技术大学） ； University of Applied Sciences and Arts Dortmund（多特蒙德应用科学大学） ； University Hospital Essen（埃森大学医院）
AI总结 eTracer 通过声明级 grounding 提升文本生成的可追溯性和可信度，改进了生物医学领域响应的验证效率。
Comments ACL 2026 Conference Submission (8 main pages)
CodeEval: A pedagogical approach for targeted evaluation of code-trained Large Language Models
CodeEval: 一种面向代码训练大语言模型的教育性评估方法
AI总结 CodeEval通过多维基准数据集和开源执行框架，针对代码训练大语言模型的评估与改进提供教育性方法。
Comments Accepted at the International Joint Conference on Natural Language Processing & Asia-Pacific Chapter of the Association for Computational Linguistics, 2025. Will be published at ACL anthology
PCoA: A New Benchmark for Medical Aspect-Based Summarization With Phrase-Level Context Attribution
PCoA: 一种新的医疗基于方面摘要的基准，具有短语级上下文归因
机构 * University of Duisburg-Essen（杜伊斯堡-埃森大学） ； University of Applied Sciences and Arts Dortmund（多特蒙德应用科学大学） ； University Hospital Essen（埃森大学医院） ； Institute for Artificial Intelligence in Medicine (IKIM)（医学人工智能研究所（IKIM））
AI总结 PCoA提出了一种医疗领域基于方面摘要的基准，通过短语级上下文归因提升摘要质量，并验证了其在评估系统生成摘要中的有效性。
Comments ACL 2026 Conference Submission (8 main pages)
Audit Me If You Can: Query-Efficient Active Fairness Auditing of Black-Box LLMs
审计我：查询高效主动公平性审计黑盒大语言模型
机构 * Weizenbaum Institut Berlin（魏泽恩堡研究所柏林） ； Technische Universität Berlin（柏林技术大学） ； FIZ Karlsruhe（卡尔斯鲁厄FIZ） ； KU Leuven（鲁汶大学） ； Aleph Alpha（Aleph Alpha公司）
AI总结 BAFA通过主动查询减少资源消耗，实现高效黑盒LLM公平性审计
Comments Submitted to ACL ARR 2026
Investigating the Multilingual Calibration Effects of Language Model Instruction-Tuning
探究语言模型指令微调的多语言校准效应
机构 * Mila - Quebec AI Institute（魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； The University of Tokyo（东京大学） ； Western University（西方大学） ； Vector Institute（向量研究所） ； Polytechnique Montréal（蒙特利尔理工学院） ； CIFAR AI Chair（CIFAR人工智能主席） ； AIST（日本产业技术综合研究所）
AI总结 本研究探讨了多语言环境下语言模型指令微调对校准的影响，发现高资源语言SFT数据能显著提升模型置信度，但准确性提升有限，揭示了标准SFT在多语言中的局限性。
Comments Accepted to The 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL)
The Alchemy of Thought: Understanding In-Context Learning Through Supervised Classification
思维的炼金术：通过监督分类理解上下文学习
机构 * Department of Computer Science, University of Arizona（计算机科学系，亚利桑那大学）
AI总结 本文通过比较LLM与监督分类器的行为，发现ICL在高相关性时更接近kNN，而在低相关性时LLM表现更优，揭示了注意力机制与GD的区别。
Comments International Joint Conference on Natural Language Processing & Asia-Pacific Chapter of the Association for Computational Linguistics, 2025
Problem-Solving Logic Guided Curriculum In-Context Learning for LLMs Complex Reasoning
基于问题解决逻辑的课程化上下文学习用于LLM复杂推理
机构 * School of Artificial Intelligence, Beijing Normal University（人工智能学院，北京师范大学）
AI总结 本研究提出基于问题解决逻辑的课程化上下文学习方法，通过分析问题解决逻辑选择和排序示例，提升LLM复杂推理能力。
Comments 19 pages, 6 figures, ACL 2025 findings, camera-ready version
Journal ref Findings of the Association for Computational Linguistics: ACL 2025
Performance Gap in Entity Knowledge Extraction Across Modalities in Vision Language Models
视觉语言模型中实体知识提取跨模态性能差距
机构 * Tel Aviv University（特拉维夫大学）
AI总结 研究视觉语言模型在跨模态实体知识提取中的性能差异，揭示信息流动限制及模型推理效率问题。
Comments Accepted to ACL 2025 Main Conference
Learning Speech Representations with Variational Predictive Coding
通过变分预测编码学习语音表示
机构 * Institute for Language, Cognition and Computation（语言、认知与计算研究所） ； School of Informatics, University of Edinburgh（爱丁堡大学信息学院）
AI总结 本文通过变分预测编码原理改进HuBERT目标函数，提升语音预训练效果，并在多个下游任务中验证其有效性。
Comments Accepted to Transactions of the Association for Computational Linguistics (TACL); Pre MIT Press version
GA-S$^3$: Comprehensive Social Network Simulation with Group Agents
GA-S$^3$: 基于群体智能的全面社交网络模拟
AI总结 GA-S3通过群体智能体模拟大规模社交网络，实现复杂交互的高效模拟并提供高精度预测。
Comments Accepted by Findings of ACL 2025
AI4Reading: Chinese Audiobook Interpretation System Based on Multi-Agent Collaboration
AI4Reading: 基于多智能体协作的中文有声书解读系统
机构 * Yangzhou University（扬州大学） ； City University of Hong Kong（香港城市大学） ； Hefei University of Technology（合肥工业大学）
AI总结 AI4Reading通过多智能体协作，利用大语言模型和语音合成技术，生成更简洁准确的有声书解读内容。
Comments ACL 2025 demo
