期刊&会议
Annual Meeting of the Association for Computational Linguistics · 会议 · Natural Language Processing
通过监督微调紧凑LLMs实现儿童英语阅读故事生成：具有可控难度和安全性的方法
机构 * University of Florida（佛罗里达大学）
AI总结 本文通过监督微调紧凑LLMs生成儿童英语阅读故事，实现可控难度和安全性，实验表明微调模型在难度指标上优于零样本模型。
Comments Comments: 15 pages, 4 figures. Author Two and Author Three contributed equally. Accepted by the 21st Workshop on Innovative Use of NLP for Building Educational Applications (BEA 2026), ACL 2026
大型语言模型作为丹麦庇护决定中可信度评估标注者的应用：评估分类性能和错误超越聚合指标
机构 * Visual Analysis and Perception Lab（视觉分析与感知实验室） ； Pioneer Center for AI（先锋人工智能中心） ； Center of Excellence for Global Mobility Law（全球移动法律卓越中心） ； Department of Computer Science（计算机科学系）
AI总结 本文研究了大型语言模型在丹麦庇护决定文本中识别可信度评估的存在和情感的性能，引入了RAB-Cred数据集，并评估了21种模型和30种提示组合的分类效果，揭示了模型和提示选择对零样本和少样本分类的影响。
Comments Accepted at the 20th Linguistic Annotation Workshop (LAW XX), co-located with ACL 2026 (https://sigann.github.io/LAW-XX-2026/)
ArcLight：一种为多核CPU设计的轻量级大语言模型推理架构
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Tsinghua University（清华大学）
AI总结 本文提出ArcLight，一种为多核CPU优化的LLM推理架构，通过高效内存管理和线程调度及精细控制的张量并行性，解决多核CPU上的跨节点内存访问瓶颈，实现更高的推理吞吐量。
Comments Accepted by ACL 2026 Demo
注意差距： elicitation协议如何影响语言模型中的 stated-revealed偏好差距
机构 * University of Oxford（牛津大学） ； Max Planck Institute for Biological Cybernetics（生物信息学Max Planck研究所） ； University of Tuebingen（图宾根大学） ； Cardiff University（卡迪夫大学） ； Cambridge–Boston Alignment Initiative (CBAI)（剑桥-波士顿对齐倡议）
AI总结 研究探讨了elicitation协议对语言模型中stated-revealed偏好差距的影响，发现中性选项和 abstention 的引入能提高相关性，但进一步允许 abstention 又导致相关性下降。
Comments Accepted to ACL 2026 Eval Eval Workshop and 3rd Technical AI Safety Conference (TAIS 2026)
FLEXITOKENS: 用于进化语言模型的灵活分词
机构 * The Ohio State University（俄亥俄州立大学） ； University of Washington（华盛顿大学）
AI总结 本文提出FLEXITOKENS，通过可学习的分词器实现灵活的分词，减少文本过碎片化，提升多语言和生成任务性能。
Comments Accepted to ACL (findings) 2026
IndicMedDialog: 一种平行多轮医疗对话数据集，用于印地语系语言中的可及性医疗
机构 * University of Birmingham（布里斯托尔大学） ； Heritage Institute of Technology（遗产理工学院） ； Madan Mohan Malaviya University of Technology（马丹·莫汉·马尔维亚理工学院）
AI总结 本文提出IndicMedDialog数据集，包含英语和九种印地语系语言的多轮医疗对话，通过生成合成咨询并进行翻译、验证和处理，提升多语言医疗对话系统的现实性和可访问性。
Comments Accepted in BioNLP @ ACL 2026 Conference
以效用为导向的多模态证据选择用于多模态检索增强生成
机构 * Arizona State University（亚利桑那州立大学） ； Texas A&M University（德克萨斯大学） ； Morgan Stanley（摩根大通）
AI总结 本文提出以信息论视角重构多模态证据选择，定义证据效用为模型输出分布的信息增益，通过引入潜在的证据有效性概念，提出无需训练的代理加速框架，实验证明在MRAG-Bench和Visual-RAG上优于现有RAG基线并降低计算成本。
Comments Accepted to ACL 2026
CascadeMind 在 SemEval-2026 任务 4：一种混合神经符号级联用于叙述相似性
机构 * Kaons ； Epoch Learn
AI总结 CascadeMind 通过神经符号级联方法在叙述相似性任务中达到72.75%的准确率，展示了在困难实例上合理分配计算资源的重要性。
Comments 7 pages, 2 figures, 5 tables. Accepted paper for SemEval-2026 Task 4 at ACL. Code: https://github.com/chreia/CascadeMind-ACL
PersonalAlign：面向个性化GUI代理的分层隐式意图对齐
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 本文提出PersonalAlign，通过长期用户记录实现个性化GUI代理的隐式意图对齐，引入AndroidIntent基准测试，评估代理在模糊指令解析和主动建议中的表现，HIM-Agent在执行和主动性能上提升显著。
Comments Accepted to ACL26 Main
d-TreeRPO：迈向更可靠的扩散语言模型策略优化
机构 * Tsinghua University（清华大学） ； Tongyi Lab（通义实验室） ； University of Illinois at Chicago（伊利诺伊大学香槟分校） ； Peking University（北京大学）
AI总结 本文提出d-TreeRPO框架，通过树状回滚和可验证奖励提升扩散语言模型策略优化的可靠性，理论证明预测信心提升可减少预测概率偏差，并在多个推理基准上取得显著提升。
Comments ACL 2026 Main
拆解与构建：基于技能的视觉-语言导航代理混合
机构 * Michigan State University（密歇根州立大学） ； ESAT-PSI, KU Leuven（KU莱顿大学ESAT-PSI实验室）
AI总结 本文提出SkillNav框架，通过模块化技能推理提升视觉-语言导航性能，通过合成数据训练无监督的路由模型，实现对复杂场景的泛化能力。
Comments Accepted by ACL 2026 Main Conference
重新审视你所见：揭示视觉语义以引导LVLM解码
机构 * Yonsei University（延世大学）
AI总结 本文通过分析发现视觉token在幻觉中仍提供有效信息，提出ReVisiT方法通过参考视觉token引导LVLM解码，减少计算成本并提升性能。
Comments ACL 2026 Main Conference (Oral). 30 pages, 10 figures. Code: https://github.com/bscho333/ReVisiT
STELLA：一种通过统一序列-结构编码进行蛋白质功能注释的多模态大语言模型
AI总结 STELLA通过统一序列-结构编码与文本模态协同，提升蛋白质功能注释的准确性，实现功能描述预测和酶促反应预测的最新成果。
Comments Accepted to Findings of ACL 2026
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