← ACL 各届
ACL 2026· Annual Meeting of the Association for Computational Linguistics
ACL 2026
亮点精读
8 篇 · 获奖 / oral / 高引📈 15 引用
Unveiling Privacy Risks in Multi-modal Large Language Models: Task-specific Vulnerabilities and Mitigation Challenges
揭示多模态大语言模型中的隐私风险：任务特定漏洞与缓解挑战。
💡 首个系统研究多模态LLM隐私风险，揭示任务特有漏洞。
arXiv
📈 8 引用
LSSF: Safety Alignment for Large Language Models through Low-Rank Safety Subspace Fusion
提出LSSF方法，通过低秩安全子空间融合对齐大语言模型安全性。
💡 高效提升模型安全性，避免灾难性遗忘。
arXiv
📈 6 引用
Unveil: Unified Visual-Textual Integration and Distillation for Multi-modal Document Retrieval
提出Unveil模型，统一视觉-文本融合与蒸馏，提升多模态文档检索性能。
💡 首次统一视觉与文本蒸馏，显著提升检索精度。
arXiv
📈 6 引用
DTCRS: Dynamic Tree Construction for Recursive Summarization
提出动态树构建方法，通过递归摘要生成层次化文本摘要。
💡 提升长文档摘要的连贯性与效率。
arXiv
📈 5 引用
“I understand your perspective”: LLM Persuasion through the Lens of Communicative Action Theory
基于交往行动理论，分析LLM如何通过沟通理解来增强说服力。
💡 揭示LLM说服机制，提升人机交互质量。
arXiv
📈 5 引用
KOMBO: Korean Character Representations Based on the Combination Rules of Subcharacters
提出基于子字符组合规则的韩文字符表示方法KOMBO，提升韩语NLP性能。
💡 首次系统利用韩文拼写规则，为低资源语言建模提供新思路。
arXiv
📈 4 引用
Exploiting contextual information to improve stance detection in informal political discourse with LLMs
利用上下文信息提升非正式政治话语中的立场检测性能。
💡 首次将上下文信息融入LLM立场检测，显著提升准确率。
arXiv
📈 4 引用
REVISE: A Framework for Revising OCRed text in Practical Information Systems with Data Contamination Strategy
提出REVISE框架，通过数据污染策略修正OCR文本错误，提升信息系统准确性。
💡 解决OCR错误对信息系统的实际影响，方法实用有效。
arXiv
全部论文
加载中…正在从 DBLP 加载全量论文…
全量索引来自 DBLP · 完整 proceedings 见 官方站点