← NAACL 各届
NAACL 2025· North American Chapter of the ACL
NAACL 2025
亮点精读
8 篇 · 获奖 / oral / 高引📈 150 引用
RewardBench: Evaluating Reward Models for Language Modeling
提出RewardBench基准，系统评估奖励模型在语言建模中的性能。
💡 首个全面评估奖励模型的基准，推动RLHF优化。
📈 117 引用
Aegis2.0: A Diverse AI Safety Dataset and Risks Taxonomy for Alignment of LLM Guardrails
提出Aegis2.0数据集和风险分类法，用于对齐LLM护栏以提升AI安全。
💡 首个覆盖多风险维度的安全数据集，填补护栏对齐空白。
arXiv
📈 86 引用
Adaptive Attacks Break Defenses Against Indirect Prompt Injection Attacks on LLM Agents
提出自适应攻击方法，成功突破现有针对LLM代理的间接提示注入防御。
💡 揭示现有防御的脆弱性，推动更鲁棒安全机制研究。
arXiv
📈 81 引用
Knowledge Graph-Guided Retrieval Augmented Generation
提出知识图谱引导的检索增强生成方法，利用结构化知识提升生成准确性与可解释性。
💡 融合知识图谱与检索增强，解决生成中的事实错误问题。
arXiv
📈 81 引用
Large Language Models and Causal Inference in Collaboration: A Comprehensive Survey
综述大语言模型与因果推断的协作方法，包括因果发现、估计和应用。
💡 为LLM与因果推断交叉领域提供系统化指南。
📈 76 引用
Plot2Code: A Comprehensive Benchmark for Evaluating Multi-modal Large Language Models in Code Generation from Scientific Plots
提出Plot2Code基准，评估多模态大模型从科学图表生成代码的能力。
💡 首个系统评估图表到代码生成的基准。
📈 63 引用
SVD-LLM V2: Optimizing Singular Value Truncation for Large Language Model Compression
提出SVD-LLM V2，通过优化奇异值截断策略实现大语言模型高效压缩。
💡 显著提升压缩后模型性能，降低部署成本。
arXiv
📈 55 引用
Multilingual Machine Translation with Open Large Language Models at Practical Scale: An Empirical Study
探索开源大语言模型在多语言机器翻译中的实际应用，通过实证研究评估其性能与可扩展性。
💡 为多语言翻译提供低成本、高可用的开源方案。
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