期刊&会议
Conference on Empirical Methods in Natural Language Processing · 会议 · Natural Language Processing
PULSAR：面向企业视觉文档RAG的池化统一后期交互搜索与检索
AI总结 针对企业视觉文档RAG的检索难题，提出PULSAR系统，采用池化两阶段后期交互索引，在延迟、QPS、成本等指标上显著优于OCR基线，已在生产环境大规模应用。
Comments Accepted at EMNLP 2026 (Industry Track)
DARTS：通过“手术”实现感知解码器的表示调优以完成模型合并
机构 * ServiceNow（ServiceNow（服务now公司）） ； University of Twente（特温特大学）
AI总结 针对模型合并中解码器存在的表示偏差挑战，本文提出DARTS方法，通过熵加权L1损失与逐位置加性偏差校正，在三类任务上较标准方法获显著改进且新增参数极少。
Comments Accepted to EMNLP 2026 Main Conference
基于自监督语音表示的音素级与词级指标用于强制对齐评估
机构 * University of Tübingen（蒂宾根大学） ； University of Jena（耶拿大学）
AI总结 该研究提出基于自监督语音表示的PCMI和WACS指标，用于无需人工标注时间戳的可扩展强制对齐评估，可区分对齐质量并与基准高度相关，已开源。
Comments Accepted at EMNLP-2026 (Findings)
混沌中的阶梯：测试时缩放何时、如何（或许还有为何）提升大语言模型的机器翻译性能
机构 * University of Amsterdam（阿姆斯特丹大学） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
AI总结 本研究探究LLM的序列式与并行式测试时缩放在机器翻译中的特性，发现序列式采样性能上限更高，可提升翻译流畅度但在大推理预算下会降准，还分析了其机制与鲁棒性。
Comments Accepted to Findings of EMNLP 2026
ContextPilot：通过细粒度强化学习为智能体教授主动上下文管理
机构 * Tsinghua University（清华大学） ； Tencent（腾讯） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 本研究针对现有主动上下文管理方法的局限，提出ContextPilot框架，通过扩充工具集并设计细粒度RL方法，在长程智能体任务中实现更紧凑上下文下的更优性能，优于现有基线。
Comments 10 pages, 6 figures, 5 tables, accepted to EMNLP 2026 (Main Track)
获取、修复、保留：面向小模型对话游戏智能体的诊断引导式后训练方案
机构 * Utrecht University（乌得勒支大学）
AI总结 本研究针对小模型对话游戏智能体提出诊断引导式后训练方案，通过三步训练在LM Playschool Challenge中大幅提升了模型的域内对话游戏表现，同时保留了通用静态性能。
Comments 14 pages, 14 tables; Accepted to the LM Playschool Workshop at EMNLP 2026; HF model card: this https URL (https://huggingface.co/chnln/Qwen3.5-2B-playpen-playornotplay)
保真度并不足够：智能体数据表提取的调度级检测工具
机构 * Infineon Technologies AG（英飞凌科技股份公司）
AI总结 该研究针对智能体数据表提取，发现仅靠保真度不足，提出构建调度级工具，通过检查工具调用轨迹检测故障，验证了其对植入故障的检测能力及工具层的可移植性价值。
Comments Accepted at EMNLP 2026 Industry Track. 7 pages + appendices
LongPIBench：用于提示注入的长上下文基准
AI总结 研究人员推出涵盖4类场景的长上下文基准LongPIBench，发现现有提示注入防御在长上下文下漏洞显著，简单攻击即可绕过，该基准可用于系统评估此类防御。
Comments To appear in Findings of EMNLP'26
用于可解释多特质作文评分的结构化反馈提取统一框架
机构 * Peking University（北京大学） ； Beijing Normal University（北京师范大学）
AI总结 该研究针对多特质自动作文评分中反馈与评分分离的问题，提出统一框架HiFTS，结合教师LLM提炼反馈并训练学生模型，在新数据集CFMS-34及ASAP++上取得优异评分与反馈效果。
Comments 14 pages, accepted to EMNLP 2026 Findings. Code: this https URL (https://github.com/Atiyahsama/HiFTS)
CultureConverse：面向东亚与东南亚文化适配助手的多语言多轮模拟工具包
机构 * Singapore University of Technology and Design (SUTD)（新加坡科技设计大学） ； Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； Microsoft Research Asia (MSRA)（微软亚洲研究院） ； Sungkyunkwan University (SKKU)（成均馆大学） ； Universiti Brunei Darussalam (UBD)（文莱大学） ； China University of Petroleum (East China)（中国石油大学（华东）） ； Nanyang Technological University (NTU)（南洋理工大学） ； Kyoto University（京都大学） ； Konkuk University（建国大学） ； Upstage AI
AI总结 本研究推出CultureConverse多语言多轮模拟工具包，构建含14610个基准回合的数据集，评估18个模型发现GPT-5 mini表现最优，微调后模型在文化相关任务上性能提升。
Comments EMNLP 2026
CamoDocs：针对检索增强语言模型的伪装文档中毒攻击
AI总结 本研究提出CamoDocs伪装文档中毒攻击，将对抗性文档伪装在良性内容中，在多种RAG防御、LLM及专有模型上实现高攻击成功率，同时避免易被检测的查询重叠痕迹。
Comments Accepted to EMNLP 2026
GRACE：面向大语言模型遗忘的梯度引导核心集选择方法
机构 * University of Pisa（比萨大学） ； Aarhus University（奥胡斯大学）
AI总结 针对大语言模型遗忘中需从异构语料推断遗忘集和保留集的问题，提出GRACE梯度引导核心集选择方法，通过梯度计算与匹配追踪选择核心集，在多领域、多模型、多算法实验中提升模型效用且保持遗忘质量。
Comments 20 pages, 16 tables, 5 figures, accepted to EMNLP Findings
AIM：锚定身份特征，再匹配以实现多模态大语言模型的遗忘
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST））
AI总结 针对删除阶段无法获取保留图像的多模态大语言模型身份遗忘场景，提出两阶段方法AIM，通过通用视觉提示锚定遗忘目标并结合Fisher约束，实现身份遗忘的同时保留非删除身份、先验知识与视觉感知。
Comments Accepted to Findings of the Association for Computational Linguistics: EMNLP 2026
查明责任归属：面向多智能体协作的自动化失败归因式自动反思框架
机构 * Renmin University of China（中国人民大学） ； Ant Group（蚂蚁集团）
AI总结 该研究针对大语言模型驱动多智能体系统的高失败率问题，提出DoCtOR框架，通过自动化失败归因识别决定性错误智能体，仅让其针对性反思，在多个数据集上提升成功率且优于基线方法。
Comments Accepted by EMNLP 2026 main
REINS：基于稀疏自编码器特征的增强拒绝抑制引导方法
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学）
AI总结 本研究针对现有SAE引导方法在复杂包装器有害提示上的不足，提出REINS方法，可抑制有害特征、增强安全弃权特征，在GUISE等数据集上大幅减少有害响应并保留模型通用能力。
Comments Accepted at EMNLP 2026 Main Conference
保持在边界内：距离引导解码以确保符合上下文无关文法
机构 * University of Luxembourg（卢森堡大学） ； Imperial College London（伦敦帝国学院）
AI总结 本研究提出基于下推自动机的距离引导解码框架，解决文法约束解码中前缀无法接受的问题，在JSON、SQL、LTL任务上实现稳定句法有效性与更优完成质量。
Comments EMNLP 2026 Findings, Long Paper
颤抖的声音并非总是遁词：对财报电话会议中文本与声音规避检测的基准测试
机构 * KakaoBank Corp.（Kakao银行股份有限公司） ； Yonsei University（延世大学）
AI总结 该研究针对财报电话会议问答环节，构建了含505个问答对的DualEvasion基准，发现现有多模态模型难以检测声音置信度，孤立解读声学线索，与人类性能差距显著。
Comments EMNLP 2026 Findings
双世界：基于等变性的证据型推理弃权（不执行）方法
机构 * RMIT University（皇家墨尔本理工大学） ； Jilin University（吉林大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本研究提出双世界框架，通过等变性弃权提升大语言模型知识密集型推理的可靠性，在四个基准和三个模型主干上优于基线方法，可识别答案未可靠基于证据的情况。
Comments Accepted to EMNLP 2026 (Main Conference)
超越全局标量：结合令牌级统计与深度语义的对抗性AIGC文本检测
机构 * Tencent BAC（腾讯BAC） ； School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院）
AI总结 针对现有AIGC文本检测方法在对抗场景中的缺陷，提出NeuroStat框架，结合令牌级统计与深度语义，在MOSAIC基准上实现鲁棒性提升，建立对抗性文本检测新基准。
Comments Accepted by EMNLP 2026 Findings
GOD：管控、观测与指挥——智能体群体的实时控制室
机构 * Laboratories, Huawei（华为2012实验室）
AI总结 研究针对生成式智能体系统难检查的问题，提出GOD实时控制室，整合多类工具与技术，经15次运行评估验证其干预有效性，可助力智能体群体的管控与观测。
Comments 9 pages, 5 figures. Accepted to the EMNLP 2026 System Demonstrations Track
SABER：基于对抗分支探测的大语言模型推理稳定性感知早停方法
机构 * Soochow University（苏州大学）
AI总结 SABER是一种无需训练的大语言模型推理早停框架，通过对抗分支探测平衡推理效率与可靠性，可平均减少30.2%-39.8%的推理token消耗且保持相当准确率。
Comments 20 pages,10 figures,EMNLP 2026 MainConference
《“如果”的错觉：评估大型语言模型中反事实推理的失效》
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； City University of Hong Kong（香港城市大学）
AI总结 本研究提出开放域反事实推理基准WhatIfBench及评估框架PRISM，发现前沿LLM在该基准上表现未饱和，存在因果推理缺陷，凸显其反事实推理能力的不足。
Comments Accepted by EMNLP 2026
跨会话分解攻击：规模风险与意图对齐检索防御
机构 * University of Waterloo（滑铁卢大学） ； Vector Institute（向量研究所）
AI总结 该研究聚焦跨会话分解攻击的规模风险，提出IntentAlign-MiniLM防御方法，实验显示更大的Qwen3、Gemma3系列模型在该攻击下有害能力提升更显著，所提防御效果优于更大嵌入模型。
Comments 30 pages, 3 figures, EMNLP 2026 Findings
基于博弈论视角的AI对齐：一项综述
机构 * James Cook University（詹姆斯库克大学） ； Western Sydney University（西悉尼大学） ； Adelaide University（阿德莱德大学） ； CSIRO（联邦科学与工业研究组织） ； The University of Osaka（大阪大学） ； Nanjing University of Science and Technology（南京理工大学） ； Macquarie University（麦考瑞大学） ； La Trobe University（拉筹伯大学）
AI总结 本综述从博弈论视角梳理AI对齐的近期进展，针对偏好多样性等三大挑战整合相关文献，明确了博弈论在AI对齐中的作用、不足及未来构建稳健AI系统的挑战。
Comments This paper has been accepted by EMNLP-2026 as a main conference paper
CoRe-MoE：用于持续多模态指令调优的紧凑可混合混合专家模型
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空间安全学院）
AI总结 针对持续多模态指令调优中 LoRA-MoE 参数开销大的问题，提出 CoRe-MoE 框架，通过复用方向基减少参数，在 MLLM 上性能提升达 5.90 点且参数仅为顺序 LoRA 的 1%。
Comments Accepted to Findings of EMNLP 2026
AI 生成文本具有一致的计量文体足迹，但 AI 编辑文本不具有
机构 * Boston University（波士顿大学）
AI总结 该研究发现 AI 生成文本具有一致的计量文体足迹，而 AI 编辑文本没有，二者留下的痕迹存在差异，需分别研究。
Comments EMNLP Main 2026
韵律在翻译中会丢失吗？跨语言的细粒度韵律相似性研究
机构 * Center for Language and Speech Processing (CLSP), Johns Hopkins University（约翰斯·霍普金斯大学语言与语音处理中心）
AI总结 本研究利用多语言配音数据开展跨语言韵律细粒度分析，发现特定语言间韵律结构存在内在相关性，为表达性语音到语音翻译系统提供了实证指导。
Comments Accepted to EMNLP 2026 Findings
EvoHarmBench：通过类人迭代规避突破内容审核
机构 * Yuvion Team, Alibaba Group（阿里巴巴集团Yuvion团队） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 该研究提出首个动态对抗评估框架EvoHarmBench，针对5类违规229个语义子簇的5002个样本评估LLM审核模型，发现SOTA模型经12次迭代后规避成功率达80.3%，将推动内容安全评估转向动态模式。
Comments Accepted to the Findings of EMNLP 2026
KLOD：通过非目标分布保持实现的局部性保留型知识编辑
机构 * Gachon University（嘉泉大学）
AI总结 KLOD是一种用于微调知识编辑的有界分布保持目标函数，通过保留特定位置的输出分布减轻局部性下降，在CounterFact等数据集上针对Llama3等模型验证了其效果，还可控制泛化-局部性权衡。
Comments To be published in EMNLP 2026 Findings
PersonaEdit：用于个性化模型编辑的代表性样本选择
机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； National Institute of Informatics（信息学研究所）
AI总结 针对LLM个性化中模型编辑的样本选择难题，提出PersonaEdit策略，可减少编辑样本量并保留性能，结合检索式提示增强效果更优，为LLM个性化提供高效可扩展方案。
Comments Accepted by EMNLP 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