期刊&会议
Annual Meeting of the Association for Computational Linguistics · 会议 · Natural Language Processing
当LLM粗心阅读表格时：测量并减少数据引用错误
机构 * University of Southern California（南加州大学） ； AWS AI Labs（AWS AI实验室）
AI总结 本研究系统评估了大型语言模型在表格任务中的数据引用错误，并提出基于批评模型的过滤与拒绝采样方法，将答案准确率提升高达12.0%。
Comments ACL 2026 (Oral)
MIRTH：面向视觉-语言-动作智能体的基于互信息推理的时间枢纽
机构 * College of Information Science and Engineering, Ritsumeikan University（立命馆大学信息科学与工程学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
AI总结 提出MIRTH框架，通过双尺度时间记忆枢纽、互信息优化的潜在推理令牌和并行动作解码，解决VLA模型的时间短视、推理鸿沟和推理低效问题，在LIBERO和真实机器人上达到SOTA并展现错误恢复能力。
Comments Accepted as main conference paper at ACL 2026
一次检索覆盖所有：基于共现感知的知识库重组用于会话级RAG
机构 * University of Southern California（南加州大学）
AI总结 针对会话级信息需求，提出基于共现聚类的知识库离线重组和查询时扩展检索候选的方法，将单次查询会话覆盖率从41%提升至58%，并压缩知识库至原大小的20%。
Comments Accepted to the Towards Knowledgeable Foundation Models (KnowFM) Workshop at ACL 2026
真相还是诡辩？LoFa：大语言模型对逻辑谬误鲁棒性的基准测试
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； South China University of Technology（华南理工大学）
AI总结 提出LoFa基准，通过多智能体管道生成事实与谬误配对，结合多轮辩论框架评估LLM对逻辑谬误的鲁棒性，并设计LFR@k指标量化抵抗能力。
Comments Accepted to ACL 2026 Main. 33 pages (9 pages main text)
基于结果奖励模型的文本到SQL测试时验证
机构 * Polytechnic University of Bari（巴里理工大学） ； IBM T.J. Watson Research Center（IBM T.J.沃森研究中心）
AI总结 提出结果奖励模型(ORM)作为学习型语义评分函数，用于Text-to-SQL的测试时验证，通过自动化候选生成和执行标签训练ORM，在BIRD和Spider基准上优于执行优先和多数投票方法。
Comments Accepted to the SURGeLLM Workshop at ACL 2026, San Diego, US
通过非可逆哈希技术突破语料库分发的版权障碍
机构 * Institute of Information Science, Academia Sinica（学术院信息研究所） ； Laboratoire Informatique d’Avignon, Avignon Université（阿维尼翁信息实验室，阿维尼翁大学） ； Aiway
AI总结 本文提出非可逆哈希方法，允许合法共享受版权保护文学文本的标注，通过哈希版本匹配确保数据一致性，实验显示在用户版本接近时可正确对齐98.7%-99.79%的词元。
Comments Accepted to ACL 2026
Journal ref ACL 2026, p.46329-46345
RARE：面向高相似性语料的冗余感知检索评估框架
机构 * Allganize ； Seoul National University（首尔国立大学）
AI总结 RARE通过分解文档为原子事实和增强LLM生成数据，构建更真实的基准，揭示当前评估体系无法捕捉的鲁棒性差距。
Comments Accepted to ACL 2026 (Main Conference)
多视角思考用于大型语言模型中的偏见缓解
机构 * Dept. Computing Science, Alberta Machine Intelligence Institute (Amii) University of Alberta, Canada（计算科学系，阿尔伯塔机器智能研究所（Amii），阿尔伯塔大学，加拿大） ； Canada CIFAR AI Chair, Amii（加拿大 CIFAR 人工智能主席，Amii）
AI总结 本文提出多视角思考（MPT）框架，通过鼓励多视角推理减少社会偏见，实验表明其在降低偏见的同时保持了核心推理能力。
Comments 15 pages
Journal ref Findings of the Association for Computational Linguistics: ACL 2026, pp. 27895-27909, 2026
Paper2Rebuttal: 一种透明的作者回复辅助多智能体框架
机构 * AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院AutoLab）
AI总结 提出多智能体框架RebuttalAgent，将回复生成重构为以证据为中心的规划任务，通过分解反馈、构建混合上下文和外部搜索模块，提升覆盖度、忠实性和策略连贯性。
Comments Accepted by ACL2026 main conference
InfiniteWeb: 面向GUI智能体训练的可扩展Web环境合成
机构 * Peking University（北京大学） ； Nanjing University（南京大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 提出InfiniteWeb系统，通过统一规范、任务驱动测试和多样化种子设计自动生成功能完备的Web环境，解决GUI智能体训练数据稀缺问题，在OSWorld和Online-Mind2Web上取得显著性能提升。
Comments Accepted to ACL 2026 Main
双向过程奖励模型
机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Biomedical Basic Research Center of Jiangsu, Soochow University（苏州大学江苏省生物医学基础研究中心） ； School of Software Technology, Zhejiang University（浙江大学软件学院） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新区（滨江）区块链与数据安全研究院）
AI总结 提出双向过程奖励模型（BiPRM），通过并行左右评估流和门控机制融合分数，仅增加0.3%参数和5%延迟，在推理质量上平均提升10.6%。
Comments ACL 2026
重新审视音频-语言预训练以学习通用音频表示
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Zhejiang University（浙江大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tencent AI Lab Seattle（腾讯AI实验室西雅图）
AI总结 本文通过构建大规模数据集CaptionStew并系统对比对比学习和字幕生成目标，揭示了音频-语言预训练在数据效率和可扩展性上的权衡，为通用音频表示学习提供了实证指导。
Comments ACL 2026 Main. Code available at https://github.com/AudenAI/Auden
人机协作的论文到网页制作
机构 * AutoLab, SAI, Shanghai Jiao Tong University（上海交通大学人工智能学院AutoLab实验室） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出AutoPage多智能体系统，通过粗到细的流水线将论文转化为交互式网页，并引入Checker智能体验证和人工检查点，在15分钟内以低于0.1美元的成本生成高质量网页。
Comments Accepted by ACL2026 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