ACL

A Survey of Automated Presentation Coaching: Systems, Methods, and Open Challenges

自动演讲辅导系统综述：系统、方法与开放挑战

Wen Liang, Li Siyan, Zackary Rackauckas, Julia Hirschberg

机构 * Columbia University（哥伦比亚大学） ； Red Hat（红帽公司） ； RoleGaku 纠错

AI总结 本文综述自动演讲辅导系统，提出五维任务分类法，覆盖发音、韵律、节奏和内容忠实度，并分析TTS示例生成与诊断方法，指出语料稀缺、口音公平和低延迟诊断等挑战。

Comments accepted into the BEA 2026 workshop at ACL

Beyond Query Memorization: Large Language Model Routing with Query Decomposition and Historical Matching

超越查询记忆化：基于查询分解和历史匹配的大语言模型路由

Bo Lv, Jingbo Sun

机构 * Tencent Hunyuan（腾讯文言） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 提出DecoR路由框架，通过查询能力分解和历史日志匹配来避免记忆化陷阱，在保持高准确率的同时降低推理成本。

Journal ref ACL 2026

Characterizing the Expressivity of Local Attention in Transformers

对变换器中局部注意力的表达力进行表征

Jiaoda Li, Ryan Cotterell

AI总结 本文研究了变换器中局部注意力的表达力，通过形式语言理论分析了局部注意力如何扩展可识别的正则语言，并证明了全局和局部注意力在表达力上的互补性，实验表明混合型变换器在形式语言识别和自然语言建模中表现更优。

Comments ACL 2026

Subject-level Inference for Realistic Text Anonymization Evaluation

面向真实文本匿名化评估的个体级推断

Myeong Seok Oh, Dong-Yun Kim, Hanseok Oh, Chaean Kang, Joeun Kang, Xiaonan Wang, Hyunjung Park, Young Cheol Jung, Hansaem Kim

机构 * Tscientific ； Soongsil University（首尔大学） ； Yonsei University（延世大学） ； Mila 纠错

AI总结 本文提出SPIA基准，通过个体级评估而非文本跨度，揭示匿名化保护不足，显示即使90% PII被掩码，个体级推断仍达33%。

Comments Accepted at ACL 2026

MALLM-GAN: Multi-Agent Large Language Model as Generative Adversarial Network for Synthesizing Tabular Data

MALLM-GAN：多智能体大语言模型作为生成对抗网络用于合成表格数据

Yaobin Ling, Xiaoqian Jiang, Yejin Kim

机构 * McWilliams School of Biomedical Informatics at UTHealth Houston（UTHealth休斯顿麦威廉斯生物医学信息学院） 纠错

AI总结 本文提出MALLM-GAN框架，利用大语言模型模拟生成对抗网络架构，解决小样本下表格数据合成问题，实验表明其在生成高质量合成数据方面优于现有方法。

Comments Findings of the Association for Computational Linguistics: ACL 2026

Health-ORSC-Bench: A Benchmark for Measuring Over-Refusal and Safety Completion in Health Context

Health-ORSC-Bench：衡量健康领域过度拒绝与安全完成的基准

Zhihao Zhang, Liting Huang, Guanghao Wu, Preslav Nakov, Heng Ji, Usman Naseem

AI总结 针对大语言模型在健康场景中过度拒绝良性查询或对有害查询不安全遵从的问题，提出Health-ORSC-Bench基准，通过31,920个边界提示评估模型在意图模糊下的过度拒绝与安全完成质量，揭示安全优化模型过度拒绝率达80%。

Comments Accepted by ACL'26 Findings

ReFreeKV: Towards Threshold-Free KV Cache Compression

ReFreeKV: 迈向无阈值的KV缓存压缩

Xuanfan Ni, Liyan Xu, Chenyang Lyu, Longyue Wang, Mo Yu, Lemao Liu, Fandong Meng, Jie Zhou, Piji Li

AI总结 针对KV缓存压缩中阈值依赖导致性能不稳定的问题，提出无阈值方法ReFreeKV，自适应调整预算分配，在13个数据集上保持全缓存性能。

Comments Accepted to ACL 2026 Findings

Agentic Episodic Control

智能体情节控制

Xidong Yang, Wenhao Li, Junjie Sheng, Yun Hua, Haosheng Chen, Chuyun Shen, Xiangfeng Wang

机构 * East China Normal University（华东师范大学） ； Tongji University（同济大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai University of International Business and Economics（上海对外经贸大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 提出智能体情节控制（AEC），利用大语言模型增强情节强化学习，通过语义增强器和关键状态识别器提升数据效率和泛化能力，在BabyAI-Text环境中实现2-6倍数据效率提升。

Comments Accepted to Findings of the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026)