期刊&会议
Annual Meeting of the Association for Computational Linguistics · 会议 · Natural Language Processing
PolicyLLM：迈向大型语言模型在公共政策领域的卓越理解
机构 * University of Notre Dame（诺丁汉大学）
AI总结 本文提出PolicyBench基准和PolicyMoE模型，评估大型语言模型在公共政策理解中的能力，发现其在应用任务中表现更优，揭示了当前LLM在政策理解中的局限性。
Comments Accepted by ACL 2026 findings
扭曲或伪造？视频大语言模型中幻觉的调查
机构 * Department of Electrical and Computer Engineering, Northeastern University（东北大学电气与计算机工程系） ； Khoury College of Computer Science, Northeastern University（东北大学科赫里计算机科学学院）
AI总结 本文调查视频大语言模型中的幻觉问题，提出动态扭曲和内容伪造两大类，分析其成因并提出改进方向，如开发运动感知视觉编码器和整合反事实学习技术。
Comments ACL 2026 findings
EvoSpark：内生交互代理社会的统一长周期叙述进化
机构 * School of Computer Science and Technology, Xinjiang University（新疆大学计算机科学与技术学院） ； Department of Precision Instrument, Tsinghua University（清华大学精密仪器系）
AI总结 EvoSpark通过内生交互代理社会框架，解决LLM多代理系统中长周期叙述演化的矛盾，通过分层叙述记忆和生成场景机制实现逻辑一致的持续叙事。
Comments Accepted to the Main Conference of ACL 2026
生成有效的CoT轨迹以缓解因果幻觉
机构 * Concordia University（康科迪亚大学）
AI总结 本文研究了生成有效CoT轨迹以缓解小模型因果幻觉的问题，设计了生成管道并提出新的量化指标CHR，实验表明生成的CoT轨迹能有效减少幻觉并提升准确性。
Comments 11 pages, 2 figures. Accepted at ACL 2026
面向推理大语言模型的校准感知策略优化
机构 * National Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institution of Automation, Chinese Academy of Sciences（认知与复杂系统决策智能国家实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Beijing National Research Center for Information Science and Technology, Tsinghua University（北京信息科学与技术国家研究中心，清华大学）
AI总结 本文提出CAPO方法，通过引入logistic AUC替代损失和噪声掩码机制，提升推理大语言模型的校准与准确性，实验显示其在多个数学推理基准上校准提升达15%，并在下游任务中进一步提升准确性。
Comments Published as a conference paper at ACL 2026
IDEA: 一种通过语音到数值校准实现LLM可解释和可编辑决策框架
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Huawei Technologies Co.,Ltd（华为技术有限公司）
AI总结 IDEA通过EM联合学习、相关采样和数学保证的参数编辑，实现LLM决策的校准概率与量化人机协作，实验显示其在五个数据集上优于其他模型。
Comments Accepted to ACL 2026
FABLE：面向无结构模型编辑的细粒度事实锚定
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与信息安全学院）
AI总结 FABLE通过分层框架实现细粒度事实注入与整体文本生成的解耦，采用事实优先策略提升细粒度问答性能，同时保持整体编辑能力。
Comments ACL 2026 findings
WikiSeeker: 重新思考视觉语言模型在基于知识的视觉问答中的作用
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统国家重点实验室 (MAIS)）
AI总结 本文提出WikiSeeker框架，通过引入多模态检索器和重新定义视觉语言模型的角色，提升多模态检索性能和答案质量，实现在EVQA、InfoSeek和M2KR数据集上的最优表现。
Comments Accepted by ACL 2026 Findings
衡量重要性！！评估心理健康对话中的治疗原则
机构 * IIIT Delhi（印度德里理工学院） ； MBZUAI（马尔科姆·比尔人工智能研究所） ； Wysa
AI总结 本文提出CARE框架，通过多阶段方法评估AI生成的治疗回应是否符合临床标准，实验显示其在F-1分数上优于基线模型，展示了结构化推理和上下文建模的重要性。
Comments Accepted at ACL 2026 (Main)
基于图的链式推理剪枝：减少推理LLM中冗余反射
机构 * School of Geosciences and Info-Physics, Central South University（地质科学与信息物理学院，中南大学） ； Baidu Inc.（百度公司）
AI总结 本文提出基于图的链式推理优化框架，通过剪枝策略减少推理过程中冗余反射，提升效率与准确性。
Comments Accepted by ACL2026 Findings
CoG：通过关系蓝图和故障感知细化实现可控图推理
机构 * Zhejiang University（浙江大学）
AI总结 本文提出CoG框架，通过关系蓝图和故障感知细化模块，解决知识图谱中推理稳定性与效率问题，实验显示其在准确性和效率上均优于现有方法。
Comments ACL 2026 Main
理解还是记忆？语言模型中德语定冠词的案例研究
机构 * Faculty of Computer Science and Mathematics（计算机科学与数学系）
AI总结 研究探讨语言模型在德语定冠词语法一致性的表现是基于规则还是记忆，通过GRADIEND方法分析性别和格对冠词形式的影响，发现模型依赖记忆关联而非抽象语法规则。
Comments Accepted at ACL 2026
TellWhisper: 说话者何时说话
AI总结 本文提出TellWhisper框架，通过联合建模说话者身份和时间信息，解决多说话人自动语音识别中的时序与身份分离问题，提升对话理解性能。
Comments 14 pages, 6 figures, 8 tables, accepted by ACL 2026 (Main)
ZipVoice-Dialog: 基于流匹配的非自回归语音对话生成
机构 * Xiaomi Corp.（小米公司）
AI总结 本文提出ZipVoice-Dialog模型，通过流匹配和课程学习策略提升语音对话生成的推理速度和准确性，同时发布OpenDialog数据集以促进研究发展。
Comments ACL 2026 Findings
GigaCheck：通过以对象为中心的跨度定位检测LLM生成内容
机构 * SALUTEDEV LLC
AI总结 GigaCheck提出双策略框架检测AI生成文本，利用细调LLM的表示学习进行作者身份识别，结合DETR-like模型与语言编码器实现精准定位，实验验证了方法的鲁棒性。
Comments Accepted to Findings of the Association for Computational Linguistics: ACL 2026
超越转录：面向感知意识的统一音频架构
机构 * Basic Model Technology Center, WeChat AI, Tencent Inc.（腾讯基本模型技术中心、微信AI、腾讯公司） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室、计算机学院、北京大学）
AI总结 本文提出统一音频架构（UAS），通过将音频信息划分为转录、语调和非语言事件三个组件，提升音频细粒度感知性能，同时保持推理能力。
Comments Accepted to ACL 2026 Findings
KoCo：基于知识坐标的语言模型预训练
机构 * School of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Department of Electrical Engineering, Tsinghua University（清华大学电子工程系） ； School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院） ； Guangdong Provincial Key Laboratory of Intelligent Information Processing, Shenzhen University（广东省智能信息处理重点实验室）
AI总结 KoCo通过将文档映射为三维语义坐标，提升语言模型对现实知识结构的理解，使模型在10个下游任务中性能提升30%并减少幻觉。
Comments Accepted by ACL 2026 Main Conference
通过耦合权重和激活约束防止大语言模型中的安全漂移
机构 * Hunan Normal University（湖南师范大学） ； The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（认知与决策智能复杂系统重点实验室，中国科学院自动化研究所） ； National University of Defense Technology（国防科技大学）
AI总结 本文提出耦合权重和激活约束方法，通过同时约束权重更新和关键特征正则化，有效提升大语言模型的安全性，实验显示其在多种任务中表现优于现有方法。
Comments 17 pages, 6 figures, 6 tables, The 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026)
SCRIPT: 一种用于韩语预训练语言模型的子字符组合表示注入模块
机构 * Department of Artificial Intelligence, Korea University, Seoul, South Korea（人工智能系，韩国大学，首尔，韩国） ； Department of Computer Science and Engineering, Korea University, Seoul, South Korea（计算机科学与工程系，韩国大学，首尔，韩国）
AI总结 SCRIPT通过注入子字符组合知识提升韩语PLM的结构粒度，无需修改架构或额外预训练，在多种NLU和NLG任务中提升性能，并改进语法规律和语义连贯性。
Comments Accepted at ACL 2026 Findings
通过空空间约束将激活转向编译为权重以实现隐蔽后门
机构 * Zhejiang University（浙江大学） ； Palo Alto Networks（帕洛阿尔托网络） ； Ningbo Global Innovation Center, Zhejiang University（宁波全球创新中心，浙江大学） ； OPPO Research Institute（OPPO研究院） ； Qilu University of Technology（齐鲁大学）
AI总结 本文通过将后门目标从表面标记转向内部表示，提出一种高效方法，利用空空间约束在触发时激活后门，同时保持隐蔽性和安全性。
Comments ACL 2026 Main Conference
ToxiTrace：用于可解释性中文毒性检测的梯度对齐训练
机构 * School of Data Science and Engineering, East China Normal University（数据科学与工程学院，东华大学） ； School of International Chinese Studies, East China Normal University（国际中文学院，东华大学）
AI总结 本文提出ToxiTrace方法，通过CuSA、GCLoss和ARCL三个组件提升中文毒性检测的解释性，提高分类准确率和毒性跨度提取能力，同时保持高效推理和更清晰的人可读解释。
Comments Accepted to ACL 2026 Findings
ContextLens：建模不完美隐私和安全上下文以满足法律合规
机构 * Beihang University（北京航空航天大学） ； HKUST（香港科技大学） ； National University of Singapore（新加坡国立大学） ； Faculty of Law, University of Macau（澳门大学法学院）
AI总结 本文提出ContextLens框架，利用LLM建模法律领域上下文，识别已知和未知因素以提升合规评估，实验表明其能有效提升LLM合规性评估性能。
Comments Accepted by ACL 26
面向多代理多格式推理的鲁棒现实世界电子表格理解
机构 * CUHK MMLab（CUHK多模态实验室） ； SenseTime Research（商汤科技研究院） ； Shenzhen Loop Area Institute（深圳河套学院） ； CPII under InnoHK（创新香港下的CPII）
AI总结 本文提出SpreadsheetAgent框架，通过多模态逐步阅读推理解决大规模电子表格处理问题，通过结构草图和行列摘要提升推理可靠性，实验表明其在Spreadsheet Bench上表现优异。
Comments Accepted to ACL 2026 (main conference)
SpecBound: 带层间置信度校准的自适应有界自我猜测
机构 * Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences（智能信息处理重点实验室，计算技术研究所，中国科学院） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国）
AI总结 本文提出一种新型自适应自我猜测框架，通过层间温度退火抑制虚假置信，根据token解码难度动态限制猜测长度，提升大语言模型的自回归推理效率。
Comments ACL 2026 Findings
基于Tsetlin机的语义引导语义引导可解释文本分类
机构 * Stanford University（斯坦福大学） ； University of California, Irvine（加州大学伊文斯顿分校） ； University of the Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出一种将LLM知识转化为符号形式的框架，通过三阶段课程生成子意图，利用非否定Tsetlin机提取高置信度语义线索，提升文本分类的可解释性和准确性。
Comments Accepted to Findings of the Association for Computational Linguistics (ACL 2026)
ViLL-E：用于检索的视频大语言模型嵌入
AI总结 ViLL-E通过引入新的嵌入生成机制，提升复杂视频处理能力，在视频检索和时间定位任务中表现优异，同时在视频问答任务中保持竞争力。
Comments Accepted at ACL 2026 Main conference
时间扁平化在LLM生成文本中的表现：比较人类与LLM写作轨迹
机构 * Northeastern University（东北大学）
AI总结 研究比较了人类和LLM在不同时间跨度内的写作轨迹，发现LLM生成文本存在时间扁平化现象，其词汇多样性更高但语义和认知情感变化更小，预测准确率高达94%。
Comments 25 pages, 6 figures. To appear in Findings of ACL 2026
对大视觉-语言模型中偏移和幻觉的基准测试
机构 * University of Modena and Reggio Emilia（摩德纳和雷吉奥艾米利亚大学） ； Amazon AGI（亚马逊人工智能实验室） ； University of Cambridge（剑桥大学）
AI总结 本文提出VLM-DeflectionBench基准，通过2775个样本评估模型在冲突或不足证据下的行为，揭示模型在面对噪声或误导性证据时的偏移能力不足，为可靠的KB-VQA评估提供可扩展的基准。
Comments Accepted to ACL 2026
UCS：用于改进上下文学习的未见覆盖估计
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 UCS通过基于覆盖的免训练方法改进上下文学习，通过诱导离散潜在聚类和估计候选子集中的未揭示聚类数量，提升模型性能。
Comments ACL 2026 Findings; 17 pages, 3 figures
INDOTABVQA：一种用于巴厘语文档中跨语言表格理解的基准测试
机构 * IIT Jodhpur（印度理工学院贾尔普尔分校） ； Punjabi University（旁遮普大学）
AI总结 本文提出INDOTABVQA基准测试，用于评估跨语言表格视觉问答性能，包含1593张文档图像和四语问题-答案对，揭示了VLM在单语和跨语言设置下的性能差异，并展示了微调对提升准确性的作用。
Comments Accepted in ACL 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