期刊&会议
Annual Meeting of the Association for Computational Linguistics · 会议 · Natural Language Processing
LightReasoner: 小型语言模型能否教会大型语言模型推理？
机构 * University of Hong Kong（香港大学） ； University of Chicago（芝加哥大学）
AI总结 本文提出LightReasoner框架，通过利用强专家模型与弱业余模型之间的行为差异，发现高价值推理时刻，从而提升大型语言模型的推理能力，同时减少资源消耗。
Comments Updated to ACL 2026 camera-ready version with improved method presentation, expanded related work discussion, additional analyses, and presentation refinements
PHYSICS：在大学物理问题求解中基准测试基础模型
机构 * Yale University（耶鲁大学） ； New York University（纽约大学） ； Notre Dame University（诺特丹大学）
AI总结 本文提出PHYSICS基准测试，用于评估大学水平物理问题求解能力，包含1297个专家标注的问题，涵盖六个核心领域，并通过自动化评估系统揭示了领先基础模型的显著局限性。
Journal ref Findings of ACL 2025
西班牙临床笔记中可靠自动分诊：一种风险感知的HIV怀疑识别混合框架
机构 * Dept. of Lenguajes y Sistemas Informáticos, Escuela Técnica Superior de Ingeniería Informática, Universidad Nacional de Educación a Distancia (UNED)（语言与系统信息学系，信息工程技术学校，国家远程教育大学（UNED）） ； Dept. Informática y Estadística, Escuela Técnica Superior de Ingeniería Informática, Universidad Rey Juan Carlos (URJC)（信息与统计学系，信息工程技术学校，皇家胡安·卡洛斯大学（URJC））
AI总结 本文提出一种混合框架，用于在西班牙临床笔记中识别HIV怀疑，通过分离随机不确定性和epistemic不确定性，提高分诊的可靠性。
Comments Accepted at the BioNLP Workshop @ ACL 2026
LoCar: 通过细粒度社会语言学控制评估车载助手的本地化
机构 * KAIST（韩国科学技术院） ； BMW Group（宝马集团）
AI总结 本文提出了一种新的车载助手评估框架，专注于韩语本地化，揭示了当前LLM在细粒度韩语敬语控制方面的不稳定性以及策略性对话指标上的表现不足，强调了汽车AI需要向精确语言定制和可靠安全交互管理发展。
Comments To appear in ACL 2026 Industry Track
单次传递、深度选择性阅读用于多方面情感分析
机构 * Universiti Malaya, Malaysia（马来大学，马来西亚） ； Suzhou University of Technology, China（苏州科技学院，中国） ； VinUniversity, Vietnam（文大学，越南）
AI总结 本文提出DABS框架，通过单次编码构建可重用的深度有序基底，使多方面情感分析在保持性能的同时减少60%的端到端计算量。
Comments Accepted at ACL2026 (main). Our solution (DABS) reads the sentence once, then lets each aspect selectively query the right tokens and Transformer depths, cutting redundant computation while preserving ATSA accuracy
Strategy-Induct: 任务级策略诱导用于指令生成
机构 * Department of Computer Science and Information Engineering, National Taiwan University, Taiwan（国立台湾大学计算机科学与资讯工程学系） ； Institute of Information Science, Academia Sinica, Taiwan（台湾“中央研究院”资讯科学研究所） ； AI Research Center (AINTU), National Taiwan University, Taiwan（国立台湾大学人工智能研究中心）
AI总结 该研究提出了一种任务级策略诱导方法Strategy-Induct，通过仅使用少量示例问题生成任务指令，无需依赖标注答案，从而在指令生成任务中取得优于现有方法的性能。
Comments Accepted to Findings of ACL 2026
校准与决策制定：重新审视未学习语言模型中的可靠性悖论
机构 * Indian Institute of Technology Kanpur (IIT Kanpur)（印度理工学院坎浦尔学院（IIT坎浦尔））
AI总结 本文研究了生成语言模型中校准与决策可靠性之间的差距，通过TOFU基准测试中的多项选择问答评估协议，发现经过微调的模型在校准误差较低，而未学习后的模型在校准误差仍低，但依赖于相关性特征的决策规则增加，扩展了可靠性悖论到机器未学习领域。
Comments Accepted at SRW, ACL 2026; 17 pages (9 + 2 + 6)
对LLM注释的注释指南进行细化和重用
机构 * The Graduate University for Advanced Studies, SOKENDAI（Graduate University for Advanced Studies, SOKENDAI） ； National Institute of Informatics (NII)（National Institute of Informatics） ； BioData Science Initiative (BSI), National Institute of Genetics (NIG)（BioData Science Initiative (BSI), National Institute of Genetics）
AI总结 本文提出了一种系统性的注释指南重用和细化方法，通过迭代审核框架来对LLM注释进行改进，并在生物医学NER任务中验证了指南整合的有效性、推理优化模型的优势以及在最小监督下的审核可行性。
Comments 14 pages, 7 figures. Accepted to the ACL 2026 Main Conference
从基础建设开始构建阿拉伯语NLP：二十年的经验、失败与开放问题
机构 * Northwestern University in Qatar（卡塔尔西北大学）
AI总结 本文总结了过去二十年阿拉伯语NLP资源和研究基础设施建设的经验，指出构建数据集是社会和技术过程的结合，社区围绕共享任务形成比任务本身更重要，从语言资源到计算社会科学暴露了传统NLP训练无法解决的挑战。
Comments Accepted at the ACL 2026 Workshop : The Big Picture 2026: Crafting a Research Narrative v2
MTR-Suite: 一个用于评估和合成对话检索基准的框架
机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Meituan Inc.（美团公司） ； NiuTrans Research（牛译研所） ； Tsinghua University（清华大学）
AI总结 本文提出MTR-Suite框架，通过LLM审计、多智能体系统生成和通用领域基准，解决对话检索基准评估和合成中的成本高、标注稀疏和自动化方法僵化的问题。
Comments Accepted to ACL 2026 (main conference). 28 pages. Code and data: https://github.com/rangehow/mtr-suite
大语言模型在权力不对称对话中是否反映社会认知效应？
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 研究探讨了大语言模型在被赋予高或低地位角色时是否表现出与人类相似的社会认知效应，通过模拟多轮权力不对称对话，分析语言协调、代词使用、说服成功率和对危险请求的遵从性，发现模型在权力效应上表现出关键特征，但存在差异和变异性。
Comments ACL 2026 (main)
MASFactory: 一种基于图的框架，用于通过Vibe图谱编排基于大语言模型的多智能体系统
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出MASFactory，一种基于图的框架，用于通过Vibe图谱编排基于大语言模型的多智能体系统，解决了现有框架在实现复杂图工作流时需要大量手动工作、重用性差和难以整合异构外部上下文源的问题。
Comments Accepted to the ACL 2026 Demo Track. Camera-ready version. 10 pages, 6 figures. Code and documentation are available at: https://github.com/BUPT-GAMMA/MASFactory
iReasoner: 一种面向轨迹的内在推理监督方法，用于自演化的大多模态模型
机构 * Vellore Institute of Technology（韦洛雷理工学院） ； School of Information and Data Sciences（信息与数据科学学院） ； Nagasaki University（长崎大学） ； Loughborough University（洛桑大学）
AI总结 本文提出iReasoner，一种自演化框架，通过显式引导推理链和奖励内部一致性来提升大模型的隐式推理能力，在无监督设置下实现了多模态推理基准的性能提升。
Comments ACL 2026 (Findings)
抽取式自我解释与人类推理在文本分类中的系统比较
机构 * Center for Social Data Science（社会科学数据科学中心） ； University of Copenhagen（哥本哈根大学） ； Machine Learning Group（机器学习小组） ； Technische Universität Berlin（柏林技术大学）
AI总结 本文比较了抽取式自我解释与人类推理在文本分类任务中的有效性，通过分析不同任务和语言的解释质量，发现自我解释在文本长度和任务复杂度上与人类推理存在显著差异。
Comments accepted to the Trustworthy NLP Workshop, co-located with ACL 2026
Biomedical NER和实体链接基准测试测量什么？一种以语料库为中心的诊断框架
机构 * National Library of Medicine（国家医学图书馆）
AI总结 本文提出一种以语料库为中心的诊断框架，用于分析生物医学NER和实体链接基准测试的相关属性，揭示语料库特性对评估信号、泛化需求和基准测试结论范围的影响。
Comments Accepted to the ACL 25th Workshop on Biomedical Language Processing
SciCustom: 一个用于大型语言模型科学能力定制评估的框架
机构 * State Key Laboratory for Multimedia Information Processing, School of Computer Science, PKU-Anker LLM Lab, Peking University（多媒体信息处理国家重点实验室，计算机学院，PKU-Anker LLM实验室，北京大学） ； Zhongguancun Academy（中关村学院） ； IDEA ； Xidian University（西安电子科技大学） ； Peking University（北京大学） ； University of Washington（华盛顿大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 本文提出SciCustom框架，通过从大规模科学数据中自定义构建基准，评估LLM在特定科学任务中的能力，无需专家标注或合成问题生成，展示了细粒度科学能力差异。
Comments Accepted to ACL 2026 Main Conference
一种用于特征约束难度控制的多智能体框架（在阅读理解项目生成中）
机构 * Graduate School of Artificial Intelligence, POSTECH, Republic of Korea（韩国POSTECH人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH, Republic of Korea（韩国POSTECH计算机科学与工程系）
AI总结 本文提出MAFIG多智能体框架，通过多个LLM代理和特征特定评估器协作生成并迭代修订项目，以满足特征约束，从而实现更稳定的难度控制。
Comments ACL 2026 Main Conference
ReacTOD：用于零样本对话状态跟踪的受限神经符号代理NLU
机构 * Amazon（亚马逊）
AI总结 该研究提出ReacTOD，一种受限神经符号架构，通过在自我纠正的ReAct循环中将NLU重新表述为离散工具调用来解决零样本对话状态跟踪问题，其核心方法是确定性验证，主要贡献是实现了新的零样本状态-of-the-art结果。
Comments Accepted at TrustNLP Workshop at ACL 2026
CRAFT: 基于批评的自适应关键帧目标定位用于多模态视频问答
机构 * University at Buffalo（布法罗大学） ； New York University（纽约大学）
AI总结 该研究提出CRAFT方法，通过动态关键帧选择、每视频ASR与多语言回退以及混合批评循环，迭代验证和修复声明，最终实现多模态视频问答的准确证据聚合。
Comments Accepted at ACL 2026 Multimodal Augmented Generation via MultimodAl Retrieval Workshop
DetectRL-X: 向可靠多语言和真实世界LLM生成文本检测迈进
机构 * NLP2 CT Lab, Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学学院NLP2 CT实验室） ； Alibaba Group（阿里巴巴集团） ； Xiamen University（厦门大学）
AI总结 本文提出DetectRL-X，一个综合性的多语言基准，用于评估先进检测器在8个维度上的性能，通过8种常见商业语言和6种易受LLM滥用的领域人类文本，结合4种流行商业LLM生成文本及润色、扩展和缩写等AI辅助写作操作，分析不同语言、领域、生成器、攻击策略、文本长度和润色操作对检测器性能的影响，以强化多语言和语言特定检测器。
Comments ACL 2026 Main. Code and data are available at https://github.com/AIDC-AI/Marco-LLM/tree/main/DetectRL-X
重新审视一个令人头疼的问题：一种用于语言模型的语义推理基准
机构 * University of Science and Technology Beijing（北京科技大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI）
AI总结 本文提出SemanticQA基准，用于评估语言模型在语义短语处理任务中的表现，通过整合现有多词表达资源并重新组织为统一测试平台，涵盖通用词汇现象及三种细粒度类别，评估不同架构和规模的语言模型在提取、分类、解释及任务组合中的性能，揭示语义推理任务中模型性能的显著差异，为提升语言模型在非平凡语义短语上的理解能力提供见解。
Comments ACL 2026 (Oral), 24 pages, 22 figures, 14 tables
C-ReD：一个源自真实世界提示的综合性中文AI生成文本检测基准
机构 * Tsinghua University（清华大学） ； Nankai University（南开大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Shannon InfoTech
AI总结 本文提出C-ReD基准，用于检测AI生成的中文文本，通过解决模型多样性、领域覆盖和提示真实性等关键问题，提升检测性能和泛化能力。
Comments ACL 2026 Findings
Qayyem: 一个实时平台用于评分阿拉伯语作文的熟练程度
机构 * Computer Science and Engineering Department, Qatar University（卡塔尔大学计算机科学与工程系）
AI总结 本文提出Qayyem平台，提供阿拉伯语作文评分的集成工作流程，通过友好的界面简化评分服务器API的交互，部署了多种先进的阿拉伯语作文评分模型。
Comments Accepted at ACL 2026
可调节难度的填空题干扰项生成
机构 * Graduate School of Artificial Intelligence, POSTECH, South Korea（韩国立科学技术院人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH, South Korea（韩国立科学技术院计算机科学与工程系） ； Mila Quebec AI Institute, Canada（魁北克AI研究院） ； McGill University, Canada（麦吉尔大学）
AI总结 本文提出了一种可调节难度的填空题干扰项生成框架，通过数据增强和多任务学习策略，生成高质量且标注难度的干扰项，优于GPT-4o在匹配干扰项难度与人类感知方面。
Comments Accepted to ACL 2026 Main Conference
LLMs能否估算阅读理解题的认知复杂性？
机构 * Graduate School of Artificial Intelligence, POSTECH, Republic of Korea（韩国立科学技术院人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH, Republic of Korea（韩国立科学技术院计算机科学与工程系）
AI总结 本文研究了大型语言模型是否能通过证据范围和转换级别两个维度估算阅读理解题的认知复杂性，结果显示LLMs能够近似估算认知复杂性，但存在推理能力与元认知意识之间的差距。
Comments ACL 2026 Main Conference
CAPC-CG：一个大规模、专家指导的中国适应性政策沟通LLM注释语料库
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Northwestern University（西北大学） ； Duke Kunshan University（杜克-昆山大学）
AI总结 本文介绍了CAPC-CG语料库，该语料库是首个开放的中国政策指令注释语料库，基于Ang的适应性政策沟通理论，采用五色分类法对清晰和模糊语言类别进行标注，旨在支持下游任务和多语言NLP研究。
Comments Accepted for publication in the Proceedings of ACL Main 2026
改进韩英跨语言检索：语言组成与模型融合的数据导向研究
AI总结 本研究通过构建语言平行的韩英数据集，探讨了训练数据组成对跨语言检索和单语言检索性能的影响，发现语言组合显著影响检索性能，并通过模型融合策略有效缓解了两者之间的权衡问题。
Comments ACL 2026 MeLLM Workshop
DMN: 一种用于多图像输入多模态大语言模型的组合框架
机构 * AI Security Lab（360人工智能安全实验室） ； International Computer Science Institute（国际计算机科学研究所） ； UC Berkeley（加州大学伯克利分校） ； Beihang University（北航大学）
AI总结 本文提出DMN框架，通过分布式指令、多模态证据和数字链任务，提升多图像输入多模态大语言模型的 jailbreak 性能，实验表明其在GPT-4o、Gemini-2.5-pro和Claude Sonnet 4上的攻击成功率超过90%。
Comments ACL 2026 main conference
ClusterRAG: 基于聚类的协同过滤用于个性化检索增强生成
机构 * University of Arkansas（阿肯色大学） ； Walmart Inc.（沃尔玛公司）
AI总结 ClusterRAG通过聚类用户轮廓文档，利用相似用户的协同信号提升当前用户的个性化生成性能，通过在集群和文档层面进行检索，实现了高效的个性化检索增强生成。
Comments 17 pages, 2 figures, to be published in the proceedings of ACL 2026
仅检索相关表格，无论多少：自适应表格检索方法
机构 * KAIST AI（韩国科学技术院人工智能研究所）
AI总结 本文提出了一种自适应表格检索方法，根据查询需求调整检索表格数量，通过自适应阈值机制和滑动窗口重排序算法，有效解决传统top-k检索策略的局限性，提升检索和下游任务性能。
Comments 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