2026年10月24日至29日,EMNLP 2026在匈牙利布达佩斯举行。信息管理系2025级情报学博士生潘娅婷、邱昕鹏赴会参加学术交流。EMNLP(Conference on Empirical Methods in Natural Language Processing)由国际计算语言学协会(ACL)组织,是自然语言处理与计算语言学领域最具影响力的国际旗舰会议之一,与ACL年会同为国际计算机学术会议评级ICORE的最高等级A*会议,并被中国人工智能学会(CAAI)列为A类推荐国际会议,本届主会论文录用率为 15.4%。

潘娅婷(左)邱昕鹏(右)
潘娅婷:将 AI 科研助手引入人文研究:基于古典文献证据的多智能体框架
潘娅婷以第一作者身份展示了主会论文Extending AI for Research to the Humanities: A Multi-Agent Framework for Evidence-Grounded Scholarship。论文由潘娅婷、我系2026级博士生张嘉俊、我系教授兼北京大学数字人文研究中心主任王军、北京大学数字人文研究中心副主任苏祺教授共同完成,王军教授为主要通讯作者,苏祺教授为共同通讯作者。
研究提出了面向人文研究的多智能体框架SPIRE。该框架以“学术元操作”(Scholarly Primitives)为设计依据,让多个AI智能体分工模拟人文学者查找古籍、细读上下文、比较不同文献和组织论证的基本步骤,形成有原文支撑的研究论述。在基于四百多篇中英文同行评议论文、涵盖中文和拉丁语古典文献研究的评测中,该框架在多尺度细读文献检索,以及回答准确性、论证深度、内容完整性和证据质量等方面表现远超通用LLM和智能体基线。该工作为数字人文和AI for Humanities提供了一种可追溯的推理范式,推动人工智能进一步与人文结合。

论文全文见https://aclanthology.org/2026.emnlp-main.1396/
邱昕鹏:让AI生成的审稿意见有据可查:基于多智能体教师蒸馏的论文评审框架
邱昕鹏以第一作者身份在主会海报环节展示了论文EGTR-Review: Efficient Evidence-Grounded Scientific Peer Review Generation via Multi-Agent Teacher Distillation。论文由邱昕鹏、我系2024级情报学博士生王翼虎、博雅博士后刘智锋、我系2025级信息资源管理(编辑出版学)博士生王笑辰、我系教授王继民共同完成,王继民教授为通讯作者。
研究提出了面向学术论文评审的EGTR-Review框架。该框架将多个AI智能体组成教师系统,先从论文中提取需要核查的论点并标记其在原文中的位置,再结合相关文献判断评审意见是否有据可依。系统区分五种证据状态:较强的证据可以支持或反驳某一论点;证据较弱、未找到证据或论点本身无法核验时,也会分别标记。团队利用教师系统的核查过程和最终评语训练轻量模型,并根据证据的可靠程度调整训练样本的权重。在公开同行评审数据上的实验表明,轻量模型能够以较低的推理成本生成有针对性的评审意见,帮助评审者定位意见所指的论文段落,并查证相关判断的依据。
