ACL 2026華人霸榜！最佳論文一作全華人，杰出論文幾乎包場

新智元報道

【新智元導讀】12148篇投稿暴增45%，ACL 2026滿場被LLM論文攻陷！三篇最佳論文一作全是華人，杰出論文華人更是近乎包場。

ACL 2026最佳論文，出爐了！

作為計算語言學的年度頂會，ACL今年共評出三篇最佳論文（Best Paper Award），一作都是華人。

《The Imperfective Paradox in Large Language Models》，作者是慕尼黑大學的Bolei Ma和東京大學的宮尾祐介（Yusuke Miyao）。

它用一道連小學生都能答對的語法題，把7個開源大模型考了個底朝天。

《Memory efficiency and resource-rational encoding in sentence processing》，作者是加州大學歐文分校的徐煒杰（Weijie Xu）、馬薩諸塞大學阿默斯特分校的Brian Dillon，以及加州大學歐文分校的Richard Futrell。

它反其道而行，給大模型硬裝了一顆「會遺忘」的人腦，結果發現模型反而更像人了。

《Characterizing the Expressivity of Local Attention in Transformers》，作者是蘇黎世聯邦理工學院的Jiaoda Li和Ryan Cotterell。

它用形式語言理論，講清了一個被用了很多年、卻一直沒人說明白的問題：為什么「只看局部」的注意力反而更強。

史上最卷的一屆ACL

ACL 2026于今年7月在美國圣地亞哥舉行，規模刷新了歷史紀錄。

主會共收到12148篇投稿，比2025年暴增45%。

最終，主會接收2297篇（錄取率18.9%），Findings接收2164篇（17.8%），合計超過4462篇論文被接收。

平均每篇論文掛著6.25個作者，最多的一篇署了整整102個名字；相比之下，單人獨作的論文只剩39篇，占比不到1%。

其中，有83位作者各自被接收了10篇以上（比去年又多了66%）；甚至有人光在一月那批投稿里，就一口氣投了65篇、中了36篇。

全部作者里，有67%（13563人）彼此通過合著關系連在了一起。

支撐這場評審的，是8594名審稿人（+46%）、1434名領域主席（+28%）、255名高級領域主席（+51%）。

桌拒（desk reject）數量則翻了一倍多，達到925篇（+106%），理由五花八門：模板不合規、缺少Limitations章節、匿名違規、甚至引用了根本不存在的文獻。

參會作者約2.6萬人，比去年的2萬人又漲了一截。

按國家/地區看，中國大陸作者占比高達54.0%，穩居第一；美國18.4%排第二；隨后是韓國3.8%、新加坡2.3%、英國2.0%、德國1.9%、印度1.7%、日本1.5%。

如果說這屆會議有什么「時代烙印」，那一定寫在論文標題里：在所有標題中，「LLM/LLMs」出現頻率高達23%，「Reasoning」18%，「Multi」11%。

今年還新設了一批賽道——AI/LLM智能體、大模型安全與對齊、數學與符號推理、代碼模型、大模型效率、臨床與生物醫學應用，幾乎每一個都圍著大模型轉。

換句話說，這是一屆被大語言模型徹底主導的ACL。

可偏偏，最高榮譽給了兩篇「不太LLM」的論文。

最佳論文一

一道語法題，難倒7個大模型

論文：The Imperfective Paradox in Large Language Models

作者：Bolei Ma、Yusuke Miyao（宮尾祐介）

機構：慕尼黑大學、東京大學

論文地址：https://aclanthology.org/2026.acl-long.689/

這篇論文的核心，是語言學里一個經典現象：未完成體悖論（Imperfective Paradox）。

漢語說「他在跑步」，基本能推出「他跑了」，因為「活動類」（activity）動作沒有內在終點，進行到一半也算發生了。

但「木匠在蓋一座涼亭」卻推不出「涼亭蓋好了」，因為「完成類」（accomplishment）動作有明確終點，可能蓋到一半就被暴風雨吹垮。

進行時對前者蘊含「已實現」、對后者不蘊含，這就是未完成體悖論，一個受過基礎語言訓練的人幾乎不會搞錯。

那么大模型呢？

作者構建了400條英文樣本的診斷數據集ImperfectiveNLI，用完成類/活動類動詞的2×2最小對隔離語義推理能力，再把7個70億到90億參數的開源模型拉來考試，結果堪稱「全軍覆沒」。

面對「木匠在蓋涼亭」這類歧義句，模型幾乎一律判定「蓋好了」。

作者把這種「看見目標就默認成功」的毛病，命名為「目的論偏見」（teleological bias）。

零樣本下，Llama-3.1的偏見率高達0.98，Mistral 0.97，DeepSeek更是1.00：凡是有目標的動作，一律認定完成。

更離譜的是，哪怕句子白紙黑字寫明「一場暴風雨在屋頂裝好前摧毀了框架」，很多模型仍咬定做成了，Gemma-2在這類題上準確率只有3%，它根本沒讀上下文，只是順著「施工都會成功」的慣性往下猜。

由此，作者給出了這篇論文的關鍵判斷——

這些開源大模型，「運作起來更像預測敘事走向的引擎，而非忠實的邏輯推理者」（predictive narrative engines rather than faithful logical reasoners）。

也就是說，它們不是在推理，只是在順著故事猜一個最可能的結局。

更深的發現是，表征與推理是分離的。

從一個近乎完美的反向關系（相關系數-0.97）可以看出，編碼層其實「知道」was building和built不是一回事，可解碼時還是被世界知識的先驗帶跑了。

此時，提示工程只是拆東墻補西墻。

反事實提示能治好偏見，卻讓模型對簡單的活動類句子疑神疑鬼、全盤否定，在「天真樂觀」和「偏執懷疑」兩極之間反復橫跳。

好在Scaling似乎有救：從15億放大到720億參數，偏見率顯著下降，到320億附近出現「相變」，準確率驟升到0.91。

用語言學「拷問」大模型的年輕人

這篇論文的一作馬博磊，是慕尼黑大學的一名在讀博士。

他隸屬于該校統計系的社會數據科學與AI實驗室（SODA Lab，導師Frauke Kreuter），同時是慕尼黑機器學習中心（MCML）的初級成員，也是MaiNLP實驗室（導師Barbara Plank）的外聘博士生。

馬博磊的研究長期聚焦「以人為本的NLP」、計算社會科學，以及計算語義與語用學——恰好是這篇論文的底色：用扎實的語言學理論，去審視時髦的大模型。

最佳論文二

給大模型裝一顆會遺忘的人腦。

論文：Memory efficiency and resource-rational encoding in sentence processing

作者：Weijie Xu（徐煒杰）、Brian Dillon、Richard Futrell

機構：加州大學歐文分校、馬薩諸塞大學阿默斯特分校

論文地址：https://aclanthology.org/2026.acl-long.1550/

這篇論文想解決的問題是：要讓語言模型真正成為「人類語言加工」的模型，就得像人一樣，在有限的工作記憶里精打細算。

人腦的工作記憶是稀缺資源，可它偏偏用得毫不費力。人類會本能地把有限的記憶精度，優先分配給那些意外的、信息量大的內容，而對可預測的部分一帶而過。

作者的做法很巧：往Transformer的隱藏表征里，按可調的速率注入噪聲，再用一個混合目標去訓練模型——在「總編碼精度受限」這個硬約束下，盡可能把下一個詞預測得更準。

換句話說就是，逼著模型學會「摳門」，把寶貴的記憶花在刀刃上。

結果有兩個關鍵發現。

其一，加上這種工作記憶約束后，模型對人類閱讀時間的擬合明顯變好了。也就是說，它讀句子的「節奏」,更接近真人。

其二，也是更重要的——為了管好編碼精度，模型的上下文表征被重塑了，變得更「壓縮」、更「范疇化」（categorical）。

這指向一個耐人尋味的結論：在人類句子加工的模型里，工作記憶的「檢索機制」和底層的「記憶表征」，是可以分離（dissociation）的。

換句話說，不是給模型更大的記憶就更像人，而是給它一個「必須節省」的約束，它才會自己長出更接近人腦的表示方式。

從西班牙語專業，到計算心理語言學

一作徐煒杰，目前是加州大學歐文分校語言科學專業的博士生，師從計算心理語言學家Richard Futrell，專攻計算心理語言學方向。

他的本科專業是上海外國語大學的西班牙語言文學。之后，他在芝加哥大學拿下計算社會科學碩士學位，師從Ming Xiang。

2026年秋季，他將前往馬薩諸塞大學阿默斯特分校，開始博士后研究。

他在主頁上寫道，人類的認知系統被重重約束所限，卻能近乎毫不費力地運轉；而他的研究，正是想把人類語言當作一扇窗，去窺探人類心智這種「有限」的本質。

最佳論文三

為什么「只看局部」的注意力，反而更強

論文：Characterizing the Expressivity of LocalAttentionin Transformers

作者：Jiaoda Li、Ryan Cotterell

機構：蘇黎世聯邦理工學院（ETH Zürich）

論文地址：https://aclanthology.org/2026.acl-long.1739/

Transformer的看家本領是「全局注意力」，每生成一個詞，都回看前面所有的詞。而一種常見變體「局部注意力」，只讓每個詞回看固定窗口內的鄰居，把二次方的計算成本壓到線性。

局部注意力本來是為了省算力，但大家發現，它還常常讓模型效果更好。這個現象一直沒有一個像樣的解釋。

這篇論文用形式語言理論給了答案。

此前已有結論，固定精度、只帶全局注意力的 Transformer，對應線性時序邏輯里只含一個「過去算子」的片段。

作者進一步證明，加上局部注意力會引入第二個時序算子，嚴格擴大了模型能識別的正則語言類。

更妙的是，全局和局部注意力在表達力上「互補」，誰也取代不了誰，兩者結合才能拿到最豐富的那一檔。

形式語言識別和自然語言建模的實驗都印證了這一點，全局+局部的混合 Transformer，穩穩打過純全局的版本。

一作 Jiaoda Li（李矯達）是蘇黎世聯邦理工學院（ETH）AI中心的博士研究員，師從計算語言學家Ryan Cotterell 與Stefan Feuerriegel，研究聚焦可解釋NLP。

他的本科專業是香港城市大學的電子與通信工程；之后在ETH拿下數據科學碩士，再一路讀到博士。

杰出論文：華人幾乎包場

除了最佳論文，ACL 2026還評出了18篇杰出論文（Outstanding Paper）。

翻一遍名單會發現一個更直觀的事實：華人力量幾乎占據了半壁江山，尤其在強化學習、大模型安全這兩個最熱的方向上，好幾篇干脆就是全華人班底。

推理與強化學習

1. Evolutionary Guided Decoding: Iterative Value Refinement for LLMs

作者：Zhenhua Liu、Lijun Li、Ruizhe Chen、Yuxian Jiang、Tong Zhu、Zhaochen Su、Wenliang Chen、Jing Shao

機構：上海人工智能實驗室、蘇州大學、浙江大學、復旦大學

2. Rethinking Entropy Interventions in RLVR: An Entropy Change Perspective

作者：Zhezheng Hao、Hong Wang、Haoyang Liu、Jian Luo、Jiarui Yu、Hande Dong、Qiang Lin、Can Wang、Jiawei Chen

機構：浙江大學、騰訊

3. GeoRA: Geometry-Aware Low-Rank Adaptation for RLVR

作者：Jiaying Zhang、Lei Shi、Jiguo Li、Jun Xu、Jiuchong Gao、Jinghua Hao、Renqing He

機構：美團、北京大學

4. CURE: Critique-Driven UnifiedReinforcement Learningfor Test-Time Self-Improvement

作者：Guirong Chen、Shuqi Ye、Wenkai Yang、Shiqi Shen、Guangyao Shen、Yankai Lin

智能體與評測

5. CAR-bench: Evaluating the Consistency and Limit-Awareness of LLM Agents under Real-World Uncertainty

作者：Johannes Kirmayr、Lukas Stappen、Elisabeth André

機構：寶馬集團研究院、奧格斯堡大學

6. MediEval: A Unified Medical Benchmark for Patient-Contextual and Knowledge-Grounded Reasoning in LLMs

作者：Zhan Qu、Michael F?rber

機構：德累斯頓工業大學、ScaDS.AI（德國）

7. Mind the (DH) Gap! A Contrast in Risky Choices Between Reasoning and Conversational LLMs

作者：Luise Ge、Yongyan Zhang、Yevgeniy Vorobeychik

機構：圣路易斯華盛頓大學

8. CIG: Measuring Conversational Information Gain in Deliberative Dialogues with Semantic Memory Dynamics

作者：Ming-Bin Chen、Jey Han Lau、Lea Frermann

機構：墨爾本大學

安全、可信與檢測

9. Lying with Truths: Open-Channel Multi-Agent Collusion for Belief Manipulation via Generative Montage

作者：Jinwei Hu、Xinmiao Huang、Youcheng Sun、Yi Dong、Xiaowei Huang

機構：利物浦大學、穆罕默德·本·扎耶德人工智能大學（MBZUAI）

10. Beyond the Final Actor: Modeling the Dual Roles of Creator and Editor for Fine-Grained LLM-Generated Text Detection

作者：Yang Li、Qiang Sheng、Zhengjia Wang、Yehan Yang、Danding Wang、Juan Cao

機構：中國科學院計算技術研究所、中國科學院大學

11. Maximizing Local Entropy Where It Matters: Prefix-Aware Localized LLM Unlearning

作者：Naixin Zhai、Pengyang Shao、Binbin Zheng、Yonghui Yang、Fei Shen、Long Bai、Xun Yang

機構：中國科學技術大學、新加坡國立大學

效率

12. From Local to Global: Revisiting Structured Pruning Paradigms for Large Language Models

作者：Ziyan Wang、Enmao Diao、Qi Le、Pu Wang、Minwoo Lee、Shu-ping Yeh、Evgeny V Stupachenko、Hao Feng、Li Yang

機構：北卡羅來納大學夏洛特分校、明尼蘇達大學、英特爾、DreamSoul

語音與多模態

13. MauBERT: Universal Phonetic Inductive Biases for Few-Shot Acoustic Units Discovery

作者：Angelo Ortiz Tandazo、Manel Khentout、Youssef Benchekroun、Thomas Hueber、Emmanuel Dupoux

機構：巴黎高師（ENS/PSL）、CNRS、格勒諾布爾阿爾卑斯大學（GIPSA-lab）、Meta AI（法國）

14. Hierarchical Acoustic-Semantic Modeling: Modality Separation and Semantic Coherence for Full-Duplex SLMs

作者：Zhenyu Liu、Xuanyu Zhang、Yunxin Li、Qixun Teng、Shenyuan Jiang、Haolan Chen、Minjun Zhao、Fanbo Meng、Yu Xu、Yancheng He、Baotian Hu、Haizhou Li、Min Zhang

機構：哈爾濱工業大學（深圳）、香港中文大學（深圳）、深圳Loop Area研究院

15. ViLL-E: Video LLM Embeddings for Retrieval

作者：Rohit Gupta、Jayakrishnan Unnikrishnan、Fan Fei、Sheng Liu、Son Tran、Mubarak Shah

機構：亞馬遜、中佛羅里達大學

語言學與多語言

16. Systematicity between Forms and Meanings across Languages Supports Efficient Communication

作者：Doreen Osmelak、Yang Xu、Michael Hahn、Kate McCurdy

機構：薩爾蘭大學、多倫多大學

17. Massively Multilingual Joint Segmentation and Glossing

作者：Michael Ginn、Lindia Tjuatja、Enora Rice、Ali Marashian、Maria Valentini、Jasmine Xu、Graham Neubig、Alexis Palmer

機構：科羅拉多大學博爾德分校、卡內基梅隆大學

18. CxMP: A Linguistic Minimal-Pair Benchmark for Evaluating Constructional Understanding in Language Models

作者：Miyu Oba、Saku Sugawara

機構：奈良先端科學技術大學院大學、日本國立信息學研究所、東京大學

參考資料：

https://x.com/BoleiMaBolei/status/2074897470572925124?s=20

https://x.com/weijiexu_97/status/2074923463094218973

https://msukhareva.substack.com/p/outstanding-paper-awards-of-acl-2026

編輯：摩西