期刊&会议
Conference on Empirical Methods in Natural Language Processing · 会议 · Natural Language Processing
当语调与字面意义不一致时：面向大型音频语言模型的声学-语义不一致研究
AI总结 本研究针对LALMs在语调与字面意义不一致场景下的表现问题，构建CREMA-ASIS数据集，经实验发现其受语义主导且难识别不一致，监督式微调可显著提升其性能。
Comments EMNLP 2026 Findings
无头部多思维模型
机构 * Yandex ； T-Tech
AI总结 该研究提出Soft Latent Thinking方法，用轻量投影器替换语言模型头部，在嵌入空间以连续推理步骤替代离散标记，在DeepSeek-Qwen-1.5B和LLaMA-3.2-3B实验中提升了pass@k并减少计算。
Comments Accepted to Findings of EMNLP 2026
利用学习到的查询改进信息抽取
机构 * Dartmouth College（达特茅斯学院）
AI总结 该研究针对信息抽取问题，提出LoQ生成文档特定问题集、FeedQ反馈驱动优化方法，优化问题可训练轻量级模型，4B参数模型性能超未调大模型，发布12820个优化问题数据集。
Comments Accepted in EMNLP-2026, 21 Pages
基于预测器的强化学习何时与人类感知对齐？基于编解码器的语音语言模型中主观奖励的研究
机构 * Spellbrush（斯佩尔布拉什公司）
AI总结 本研究探究基于编解码器的语音语言模型中，预测器式强化学习与人类感知的对齐条件，采用GRPO与CER区间约束，发现单奖励针对性提升对应指标，8最佳重排序性能接近GRPO，为多奖励语音后训练的奖励选择提供诊断方法。
Comments Submitted to EMNLP 2026
基于异构语音协议的证据受限心理健康推理
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Renyixun Health Technology Co., Ltd.（仁医讯健康科技有限公司） ； GDIIST（广东省智能制造研究所） ； Tencent（腾讯）
AI总结 本研究针对现有心理健康筛查模型的证据边界问题，提出协议感知的证据控制框架EviBound，在抑郁症筛查任务中达到0.8658的AUROC，且实现零宣称违规。
Comments Accepted to Findings of the Association for Computational Linguistics: EMNLP 2026. Long paper
用于趋势引导的基于结构的3D分子生成的语言知情流匹配
机构 * City University of Hong Kong（香港城市大学） ； The University of Hong Kong（香港大学） ； Stanford University（斯坦福大学）
AI总结 该研究提出基于流匹配的语言知情跨模态框架LiFT，通过“感知-演化-组装”智能体和自条件解耦路由器实现趋势引导的3D分子生成，在Cross-Docked2020数据集上验证了其分布匹配、药物化学指标及结构有效性的优势。
Comments Accepted at Findings of EMNLP 2026
忠实性并非免费：审计检索增强生成中的离线键值缓存量化
机构 * Air University（空军大学） ； National University of Sciences and Technology (NUST)（国家科学技术大学） ； University of Oklahoma（俄克拉荷马大学） ； Lahore University of Management Sciences (LUMS)（拉合尔管理科学大学）
AI总结 该研究针对检索增强生成的KV缓存量化，以Qwen2.5-7B-Instruct为对象，发现INT4量化会严重损害忠实性且准确性指标无法察觉，强调需在部署压缩缓存前审计忠实性。
Comments Grounding Language Models: Learning Faithfully and Efficiently @ EMNLP 2026
坚持你所知：知识对齐的监督微调研究
机构 * AppTek GmbH（AppTek有限公司） ； RWTH Aachen University（亚琛工业大学）
AI总结 该研究提出知识对齐的监督微调方法，引入证据重写、回忆重写两个变体，实验显示其可减少事实幻觉、保留通用能力，回忆重写效果最优且改善弃权行为，证实超知识SFT目标会引发幻觉。
Comments Accepted to EMNLP 2026 Main Conference
评估与改进大语言模型（LLM）的自我建模能力
机构 * Constellation（星群公司） ； Anthropic（Anthropic公司）
AI总结 本研究针对LLM的自我建模能力，构建基准测试评估其水平，开发合成数据管道结合强化学习提升该能力，发现提升未体现一致内省。
Comments 89 pages, 25 figures. Published as a conference paper at EMNLP '26 (Main)
MULTI3IR：多视角、多领域、多模态信息检索基准
AI总结 该研究针对现有IR基准的不足，构建了多视角多领域多模态IR基准Multi³IR，提出SPIN方法提升检索器的视角覆盖度，实验验证其性能优势与泛化性。
Comments EMNLP 2026; code is available at https://github.com/seokwon99/Multi3IR
检测AI冒充者：中学生在实时协作场景中如何识别大语言模型（LLM）智能体？
机构 * University of Texas at San Antonio（圣安东尼奥德克萨斯大学）
AI总结 本研究通过自研协作社交推理游戏DoppelBot，对中学生展开实验，探究其识别AI冒充者的策略、检测准确率变化规律及相关隐私反思，并发布了相关匿名数据集。
Comments Accepted to EMNLP 2026 Main
步长k子采样：无需训练的Whisper音频令牌缩减方法
机构 * Chung-Ang University（中央大学）
AI总结 该研究提出无需训练的步长k子采样方法，可减少Whisper音频令牌，降低计算量与延迟，在多数ASR基准上仅产生小的WER损失，适用于Whisper及基于其的语音语言模型。
Comments Accepted EMNLP 2026 Main
TRIPPULSE：基于评论推理的多智能体旅行规划
机构 * Microsoft（微软公司） ； IIT Bhubaneswar（布巴内斯瓦尔印度理工学院）
AI总结 TRIPPULSE是基于评论推理的多智能体旅行规划框架，分解行程生成任务为多智能体并结合10万+评论与RGPA指标，可兼顾约束满足与个性化体验。
Comments 31 pages, EMNLP 2026
CARVE：扩散语言模型中变长生成的验证式扩展
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Sorbonne Université（索邦大学） ； Ecole Polytechnique（巴黎综合理工学院）
AI总结 本研究提出无需重训的 CARVE 算法，解决扩散语言模型固定长度生成的缺陷，通过验证式扩展实现变长生成，在代码生成与数学推理基准中提升性能并降低推理成本。
Comments EMNLP 2026 Findings
S3C-LLM：用于谱图到结构解析的技能-代码引导型智能体语言模型
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
AI总结 S3C-LLM是一种技能-代码引导型智能体LLM，通过检索光谱学技能、执行分析代码整合证据与约束来解析分子结构，性能优于同类模型且训练语料更少。
Comments Accepted by EMNLP 2026 Findings
MMDS-Bench：面向社交媒体互动中动态立场的多模态大语言模型基准测试
机构 * School of Cyber Science and Engineering, Wuhan University（武汉大学网络安全学院） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本研究构建多模态动态立场分类基准MMDS-Bench，评估12个多模态大语言模型，发现其在关系推理类多模态动态立场理解上仍存在不足。
Comments Accepted by EMNLP 2026
评估与缓解德语及多语言大模型中的反LGBTQ偏见
AI总结 本文构建德语-英语多语言基准数据集，评估8种语言模型的反LGBTQ偏见，发现模型存在相关刻板印象，微调可平均降偏但效果不均，凸显多语言偏见评估需文化适应。
Comments Accepted at EMNLP 2026
角色设定与母语生成存在差异：语言路径塑造大语言模型的人际建议
AI总结 该研究对比了母语使用者角色设定（NP）与目标语言生成后翻译（NL）两种跨语言引出策略对LLM人际建议的影响，发现二者不可互换，NP会改变建议的风格、可操作性及动作选择。
Comments Accepted to EMNLP 2026 (Main Conference). 36 pages, 24 figures, 17 tables (9 pages main text; remainder references and appendices)
你本不该问：一种受语用学启发的评估大语言模型（LLM）拒绝行为的分类法
机构 * Stony Brook University（石溪大学） ； University of Virginia（弗吉尼亚大学）
AI总结 该研究提出首个基于语用学理论的LLM拒绝分类法，通过分析16个LLM在14类有害请求下的拒绝回复，发现其拒绝的特点及存在的问题，呼吁开展兼顾情境适应性与社会问责的对齐评估。
Comments To appear in the Proceedings of the 2026 Conference on Empirical Methods in Natural Language Processing (EMNLP 2026)
语言距离分离自动语音识别系统中的潜在表示
机构 * Department of Applied Mathematics and Computer Science（应用数学与计算机科学系） ； Technical University of Denmark（丹麦技术大学）
AI总结 本文研究母语背景与英语自动语音识别（ASR）性能的关系，发现母语与英语的距离会系统性影响ASR错误率，且多数评估模型的深层声学层存在基于母语的潜在表示空间分离，该关联统计显著（p<0.001）。
Comments to appear in EMNLP finding 2026
HSRM：用于测试时验证的隐藏状态奖励模型
机构 * Ingenuity Labs Research Institute（Ingenuity Labs 研究院）
AI总结 该研究提出轻量型隐藏状态奖励模型HSRM，复用生成器内部表征验证数学推理候选解，在四个基准中多数场景性能优于55M参数纯文本验证器，仅需约2M参数，实现高效验证。
Comments EMNLP 2026
CLIN：一种用于评估波斯语短篇文学文本创造性的客观框架
机构 * Tehran Institute for Advanced Studies, Khatam University（哈塔姆大学德黑兰高等研究院） ； Cardiff University（卡迪夫大学）
AI总结 针对LLM评估波斯语短篇文学文本创造性的维度依赖问题，提出CLIN框架，用三类代理指标评估TTCT衍生的创造性维度，实现了与零样本LLM相当或更优的人类对齐度且评估成本更低。
Comments Accepted to Findings of EMNLP 2026
视觉语言模型（VLMs）是否在不同模态间共享安全神经元？
机构 * SB Intuitions Corp.（SB Intuitions公司）
AI总结 该研究针对10个视觉语言模型，通过因果神经元层面分析，提出两阶段迭代消融检测流程与两个模态隔离基准，发现文本安全神经元集中、视觉安全高维弥散的差距，解释了当前对齐未缩小视觉安全差距的原因。
Comments Accepted to EMNLP 2026 (Main Conference)
不同运行状态下越狱鲁棒性的脆弱性
AI总结 本研究发现越狱鲁棒性对运行状态变化极为脆弱，仅改变普通系统提示词就可大幅调整攻击成功率，原始状态评估无法全面表征鲁棒性，需开展非原始状态下的越狱鲁棒性评估。
Comments Accepted to Findings of the 2026 Conference on Empirical Methods in Natural Language Processing (EMNLP 2026)
并非所有弃权（不执行）都是失败：理解与恢复移动语音助手中的弃权（不执行）情况
机构 * ALMA PHIL ； Technical University of Munich（慕尼黑工业大学） ； CNRS-AIST Joint Robotics Laboratory (JRL)（法国国家科学研究中心-日本产业技术综合研究所联合机器人实验室）
AI总结 本文针对移动语音助手的弃权（不执行）问题，基于500多用户的真实数据构建VoxFallbacks数据集，对比评估不同模型，发现轻量嵌入分类器性能更优，为设计高效弃权机制提供经验。
Comments Accepted to EMNLP 2026
SocialReasonBench：基于反事实叙事视频的社会推理视频问答基准
机构 * AAII, University of Technology Sydney（悉尼科技大学AAII（先进人工智能研究所）） ； Northeastern University（东北大学） ； Fudan University（复旦大学） ； University of Liverpool（利物浦大学）
AI总结 研究人员推出SocialReasonBench基准，评估LMMs的社会推理能力，发现其在反事实和因果推理上表现不佳，凸显了模型在潜在社会状态推理上的不足。
Comments Accepted to Findings of EMNLP 2026. 24 pages, 11 figures, 11 tables
GUIDE：用语言指令引导内部证据
机构 * The University of Melbourne（墨尔本大学） ； Korea Institute of Science and Technology（韩国科学技术研究院） ； Korea University（高丽大学） ； University of Science and Technology（科学技术大学）
AI总结 研究针对多模态模型依赖非指令要求的捷径线索的问题，提出GUIDE框架，结合分组参数高效适配与指令条件门控调节多模态证据通路，在多模态任务上提升鲁棒性与可控性，拓展了多模态指令跟随的范围。
Journal ref EMNLP 2026
超越有效载荷：用户调用如何塑造编码代理对仓库中毒的漏洞
AI总结 该研究推出首个针对编码代理仓库中毒漏洞的基准CIPR，发现漏洞高度依赖用户提示级配置，任务类型可使攻击成功率产生4.5倍差异，测试执行任务为隐蔽攻击面，不明确或嘈杂提示会间接改变风险。
Comments 30 pages,7 figures, Accepted to EMNLP 2026 Main Conference
WildSEEK：评估语言模型的信息获取能力
机构 * Bocconi University（博科尼大学） ； Stanford University（斯坦福大学） ； IT University of Copenhagen（哥本哈根信息技术大学） ； Pioneer Center for AI（先锋人工智能中心）
AI总结 针对现有LLM信息获取评估的不足，引入WildSEEK数据集与评估框架，发现超三分之一查询为高风险分析性查询，LLM在多方面存在缺陷，为相关研究提供实证基础。
Comments 9 pages, accepted at EMNLP Main 2026
OCR元推理基准：评估多模态大语言模型在富文本图像理解中的元推理能力
机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； International Center of Future Science, Jilin University（吉林大学未来科学国际中心）
AI总结 本文提出OCR-MetaReasoning基准，将演绎、归纳、溯因作为不同推理方向，分离答案正确性与推理合规性，实验发现现有MLLMs的OCR元推理能力远未饱和。
Comments EMNLP 2026 Findings camera-ready version
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