University of Maryland, College Park（马里兰大学帕克分校）

Decisive: Guiding User Decisions with Optimal Preference Elicitation from Unstructured Documents

Decisive: 通过从非结构化文档中最优偏好引导用户决策

Akriti Jain, Anish Mulay, Divyansh Verma, Aishani Pandey, Pritika Ramu, Aparna Garimella

机构 * Adobe Research, India（Adobe印度研究实验室） ； IIT Madras（印度理工学院马德拉斯分校） ； IIT Roorkee（印度理工学院罗尔基分校） ； IIIT Hyderabad（Hyderabad印度理工学院） ； University of Maryland, College Park（马里兰大学学院公园分校） 纠错

AI总结 Decisive结合文档基础推理与贝叶斯偏好推断，通过主动引导用户回答成对权衡问题，提高决策准确性，实验表明其在多个领域优于传统方法和大语言模型。

Comments Accepted to ACL 2026 Main Conference

STRIKE: Additive Feature-Group-Aware Stacking Framework for Credit Default Prediction

STRIKE：加性特征组感知的堆叠框架用于信用违约预测

Swattik Maiti, Ritik Pratap Singh, Fardina Fathmiul Alam

机构 * Science Academy, University of Maryland, College Park MD, USA（科学学院，马里兰大学，哥伦比亚公园MD，美国） ； Department of Computer Science, University of Maryland, College Park MD, USA（计算机科学系，马里兰大学，哥伦比亚公园MD，美国） 纠错

AI总结 STRIKE通过将特征空间划分为语义相干组，训练独立学习器，提升信用违约预测的鲁棒性和可解释性，优于传统基线方法。

Comments 17 pages, 5 figures

PAC-Bayes Bounds for Gibbs Posteriors via Singular Learning Theory

通过奇异学习理论为吉布斯后验推导PAC-Bayes界

Chenyang Wang, Yun Yang

机构 * Department of Statistics, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校统计系） ； Department of Mathematics, University of Maryland, College Park（马里兰大学学院市数学系） 纠错

AI总结 本文通过奇异学习理论推导了吉布斯后验的非渐近PAC-Bayes泛化界，适用于过参数化模型并适应数据结构与内在模型复杂度，结果在低秩矩阵补全和ReLU神经网络回归分类中表现更紧。

Human-Centered Supervision for Sentiment Analysis in Telugu: A Systematic Inquiry Beyond Accuracy

面向泰卢格语情感分析的人本监督：超越准确性的系统探究

Vallabhaneni Raj Kumar, Ashwin S, Supriya Manna, Niladri Sett, Cheedella V S N M S Hema Harshitha, Kurakula Harshitha, Anand Kumar Sharma, Basina Deepakraj, Tanuj Sarkar, Bondada Navaneeth Krishna, Samanthapudi Shakeer

机构 * SRM University AP, India（印度AP SRM大学） ； University of Maryland, College Park, USA（美国马里兰大学 College Park分校） ； GITAM University, Bangalore, India（印度班加罗尔GITAM大学） 纠错

AI总结 本文提出TeSent数据集，通过人类选择的解释进行模型对齐，探讨在低资源语言中监督学习对预测性能和公平性的影响。

Comments Camera-ready version; ACL Findings, 2026

Frankentext: Stitching random text fragments into long-form narratives

Frankentext：将随机文本片段拼接成长篇叙述

Chau Minh Pham, Jenna Russell, Dzung Pham, Mohit Iyyer

机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 Frankentext通过将大量随机文本片段拼接成连贯故事，挑战LLM生成质量与原创性，同时引发作者权属问题。

Comments Accepted to ACL 2026