期刊&会议
Annual Meeting of the Association for Computational Linguistics · 会议 · Natural Language Processing
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
通过答案可信度评分估计问题难度
机构 * University of Innsbruck（因斯布鲁克大学）
AI总结 本文提出Q-DAPS方法，通过计算候选答案可信度的熵来估计问题难度，在四个数据集上表现优异，具有可解释性和鲁棒性。
Comments Accepted at ACL 2026
Journal ref Proceedings of the 64rd Annual Meeting of the Association for Computational Linguistics (ACL 2026)
GKnow: 测量性别偏见与事实性性别之间的纠缠
机构 * Center for Information and Language Processing, LMU Munich（信息与语言处理中心，慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML））
AI总结 本文提出GKnow基准，用于评估语言模型在不同性别预测类型中的性别知识和偏见，发现性别偏见与事实性性别在电路和神经元层面高度纠缠，表明神经元剪除不可靠。
Comments Accepted to ACL 2026
什么使一个词难以学习？建模L1对英语词汇难度的影响
机构 * University of Göttingen（哥廷根大学）
AI总结 本文通过梯度提升模型研究了母语对英语词汇难度的影响，发现词汇熟悉度是共同主导因素，而西班牙语和德语学习者还依赖拼写转移，而中文学习者则仅依赖熟悉度和表层特征。
Comments Submitted to BEA 2026 at ACL. 18 pages, 13 figures
注意暂停：基于LLMs的多语言语音纠错中的不流畅意识目标调优
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Indian Institute of Technology Patna（印度理工学院帕纳瓦）
AI总结 本文提出一种多语言语音纠错方法，通过序列标注器标记不流畅词并指导LLM指令微调，结合对比学习目标提升纠错可靠性，实验证明在印地语、孟加拉语和马拉地语上优于现有基线模型。
Comments Accepted to ACL 2026 (Main)
差分隐私合成文本生成用于检索增强生成（RAG）
机构 * NEC Corporation（日本电报电话公司） ； Institute of Science Tokyo（东京科学研究院） ； RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能项目中心）
AI总结 本文提出DP-SynRAG框架，通过生成差分隐私合成RAG数据库提升隐私保护下的RAG性能，避免重复噪声注入并保持固定隐私预算。
Comments Accepted to ACL 2026 Findings
迈向基于视觉的多模态摘要：通过跨模态Transformer和门控注意力
机构 * School of Computing, Macquarie University（麦考瑞大学计算机学院）
AI总结 本文提出SPeCTrA-Sum框架，通过深度视觉处理器和轻量视觉相关性预测器实现文本摘要与图像选择，提升多模态摘要的视觉连贯性与准确性。
Comments Accepted to Findings of ACL 2026
超越文本的衡量：通过质量、对齐和多样性评估多模态摘要
机构 * School of Computing, Macquarie University（麦考瑞大学计算学院）
AI总结 本文提出MM-Eval框架，整合文本质量、跨模态对齐和视觉多样性评估，通过学习聚合模型优化多模态摘要的综合评价，揭示事实一致性对整体质量的关键作用。
Comments Accepted to Findings of ACL 2026
HSUGA：基于层次语义理解与群体感知对齐的LLM增强推荐
AI总结 HSUGA通过引入层次语义理解和群体感知对齐模块，解决LLM增强推荐中用户语义嵌入提取与利用的可靠性与适应性问题，提升推荐性能。
Comments Accepted by ACL 2026 Findings
驯服极端令牌：具有高斯核优势重加权的协方差感知GRPO
机构 * National University of Singapore（新加坡国立大学） ； University of California, Davis（加州大学戴维斯分校） ； University of Southern California（美国南加州大学）
AI总结 本文提出一种协方差感知的GRPO方法，通过高斯核动态降低极端令牌更新权重，以平衡探索与利用，提升大语言模型推理性能并稳定熵。
Comments ACL 2026
重新思考LLM幻觉检测的评估：一种需求清单，一个新的基于RAG的基准，新的见解
机构 * Amazon（亚马逊公司） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出了一种基于RAG的新型基准T RIVIA+，填补了现有基准在长上下文和噪声标签方面的空白，并通过实验揭示了当前检测器在RAG基准上的改进空间。
Comments ACL 2026 main conference
在BEA 2026共享任务2中：基于评分规则的德语短答案评分的元提示
机构 * Instituto de Computación, Facultad de Ingeniería, Universidad de la República（计算研究所，工程学院，乌拉圭共和国大学）
AI总结 本文介绍了RETUYT-INCO在BEA 2026共享任务2中的参与，提出元提示方法用于德语短答案评分，结合经典机器学习、微调开源大模型等方法，取得前三项任务的优异成绩。
Comments To be presented at the BEA 2026 workshop, co-located with ACL 2026
情感意义分歧中的相变：崩溃前的隐性漂移
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院）
AI总结 研究探讨了情感意义分歧（AMD）如何导致对话修复协调的突然崩溃，通过分析多个层面的分歧变异性，揭示了AMD在理论框架中的独特时间特征。
Comments Accepted to the ACL 2026 Student Research Workshop
AutoMonitor-Bench：评估基于LLM的误行监控可靠性
机构 * King Abdullah University of Science and Technology（卡塔尔国王 Abdullah 科学与技术大学） ； University of Bristol（布里斯托大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； King’s College London（伦敦国王学院） ； Renmin University of China（中国人民大学）
AI总结 本文提出AutoMonitor-Bench，首个系统评估LLM误行监控可靠性的基准，包含3010个标注样本，通过MR和FAR指标评估12个模型，揭示监控性能的差异及安全与效用的权衡。
Comments ACL 2026 Findings
长话短说：在对比视觉语言模型中解构组合性与长描述理解
机构 * Department of Computer Science, University of Copenhagen（哥本哈根大学计算机科学系） ； MBZUAI（马克斯·普朗克人工智能研究所）
AI总结 本文研究对比视觉语言模型中组合推理与长描述理解之间的关系，通过实验发现两者存在双向但敏感的关联，高质量数据和合理架构设计有助于提升模型泛化能力。
Comments To be published in Findings of ACL 2026
基于扰动观测的黑盒大语言模型规划器鲁棒性表征：适应性压力测试
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文研究了在扰动观测下大语言模型规划器的鲁棒性，提出适应性压力测试方法，通过蒙特卡洛树搜索高效搜索提示扰动空间，发现导致模型高不确定或崩溃的场景和配置。
Comments Accepted to ACL Findings 2026; 31 pages, 26 figures, 6 tables
视频-语言理解：从模型架构、模型训练和数据视角的综述
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文综述了视频-语言理解系统的关键任务与挑战，从模型架构、训练和数据角度总结方法，并比较性能，探讨未来研究方向。
Comments Accepted at ACL 2024 (Findings). Code is available at https://github.com/nguyentthong/video-language-understanding
基于列表式上下文模型的梯度提升决策树在多模态评论有用性预测中的应用
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Carnegie Mellon University（卡内基梅隆大学） ； DAMO Academy（达摩院）
AI总结 本文提出列表式注意力网络和梯度提升决策树，用于多模态评论有用性预测，以提升模型泛化能力与排名准确性。
Comments Published in ACL 2023 (Findings). Code is available at https://github.com/nguyentthong/gbdt_listwise_mrhp
从少量数据中学习更多：利用反事实以提高图表理解的数据效率
机构 * Nanyang Technological University（南洋理工大学） ； Aumovio Singapore Pte. Ltd.（Aumovio新加坡私人有限公司）
AI总结 本文提出ChartCF框架，通过反事实数据合成和多模态偏好优化，提升图表理解的反事实敏感性，实验表明其在少数据下表现优异。
Comments Accepted to ACL 2026 Main Conference
BabelDOC: 通过中间表示实现更好的布局保持PDF翻译
机构 * School of Computer Engineering and Science, Shanghai University, Shanghai, China（1 上海大学计算机工程与科学学院，上海，中国） ； Funstory.ai Limited, Hong Kong SAR, China（2 Funstory.ai有限公司，香港特别行政区，中国） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China（3 上海交通大学计算机科学与工程系，上海，中国）
AI总结 BabelDOC通过中间表示框架实现布局保持的PDF翻译，解决语言处理与布局保持的矛盾，提升翻译精度和文档一致性。
Comments ACL 2026 System Demonstration paper. 2 figures
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