Skip to content

2025 AI 頂會導讀：自然語言處理篇

2026年8月24日 1 分鐘
首頁 › ai
TL;DR 2025 年 NLP 頂會的投稿量全面翻倍（ACL 8,360 篇、EMNLP 8,174 篇），中國第一作者在 ACL 佔比突破 51%，DeepSeek 的 Native Sparse Attention 拿下 ACL Best Paper——但最值得注意的是會議本身的身份危機：ACL 主席說『ACL 不是 AI 會議』，一篇量化分析問『Has ACL Lost Its Crown?』，EMNLP 被質疑跟 ACL/NAACL 還有什麼差別。
#ai-conference#acl#emnlp#naacl#nlp#2025#ai-agent#llm-evaluation
目錄
  1. ACL 2025
    1. Best Paper Awards
    2. Best Social Impact Papers
    3. Best Resource Papers
    4. Best Theme Papers
    5. Outstanding Papers（26 篇，節選代表性方向）
    6. Test-of-Time Award
    7. TACL Best Paper
  2. NAACL 2025
    1. Best Paper Awards
    2. Best Theme Paper
    3. Best Social Impact Award
    4. Outstanding Papers（10 篇，節選）
    5. SAC Awards（節選）
  3. EMNLP 2025
    1. Best Paper Award
    2. Outstanding Papers（7 篇）
    3. Best Special Theme Paper
    4. Best Resource Paper
    5. People's Choice Award
    6. Keynote Speakers
  4. 2025 年 NLP 整體觀察
    1. 規模爆炸：投稿量翻倍的影響
    2. 中國研究者佔比突破 50%
    3. 身份危機：NLP 會議還是 LLM 會議？
    4. Agentic Systems 湧入 NLP 會議
    5. 多語言與文化包容性：從願景到基礎建設
    6. 評估方法論持續演化
  5. 跟 2024 年相比
  6. 2026 回看：哪些 2025 論文可能影響最深遠
  7. 參考資料
系列: AI 頂會導讀 (23 / 25)
2025 AI 頂會導讀：機器學習篇 2025 AI 頂會導讀：電腦視覺篇

🌏 English version

2025 年的 NLP 頂會，最直觀的變化是規模：ACL 投稿量從 2024 年的 4,407 篇暴增到 8,360 篇（+90%），EMNLP 從 6,105 篇增長到 8,174 篇（+34%）。但更深層的變化是身份問題——當幾乎每篇論文都在某種程度上跟 LLM 有關，NLP 會議跟 ML 會議（NeurIPS/ICML/ICLR）的邊界還在哪裡？

這篇整理 2025 年 ACL、EMNLP、NAACL 三場 NLP 頂會的 Best Paper、主要趨勢、以及這一年圍繞 NLP 會議定位的爭論。

ACL 2025

第 63 屆 ACL，2025 年 7 月 27 日至 8 月 1 日，維也納。投稿 8,360 篇，接受 1,699 篇，接受率 20.3%。這是 ACL 歷史上投稿量最高的一屆，與會者超過 6,000 人。全面使用 ACL Rolling Review (ARR) 作為審稿系統。

Best Paper Awards

ACL 2025 頒發了 4 篇 Best Paper，數量比往年多（通常 1-2 篇），反映主辦方面對投稿量暴增時有意擴大表彰範圍。

  • Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention Jingyang Yuan, Huazuo Gao, Damai Dai 等（DeepSeek、北京大學、華盛頓大學） 提出與硬體對齊的稀疏注意力機制 NSA，長文本處理速度提升約 11 倍，上下文長度擴展到 100 萬 token。DeepSeek 創辦人梁文鋒（Wenfeng Liang）列名共同作者，這也是 DeepSeek 首次拿下 ACL Best Paper。

  • Language Models Resist Alignment: Evidence From Data Compression Jiaming Ji, Kaile Wang, Tianyi Qiu 等（北京大學 Yaodong Yang 團隊） 從資料壓縮的角度論證語言模型「抵抗」alignment 的機制——alignment 訓練對模型行為的改變遠比表面看起來的要淺，引發對 RLHF 實際效果深度的反思。

  • A Theory of Response Sampling in LLMs: Part Descriptive and Part Prescriptive Sarath Sivaprasad, Pramod Kaushik, Sahar Abdelnabi, Mario Fritz（CISPA Helmholtz Center） 為 LLM 回應採樣提出理論框架，同時描述現有行為並提供規範性建議。

  • Fairness through Difference Awareness: Measuring Desired Group Discrimination in LLMs Angelina Wang, Michelle Phan, Daniel E. Ho, Sanmi Koyejo（Stanford、Cornell Tech） 挑戰「公平=一視同仁」的假設，論證某些情境下 LLM 需要感知群體差異才能真正公平。

Best Social Impact Papers

  • AfriMed-QA: A Pan-African, Multi-Specialty, Medical Question-Answering Benchmark Dataset Charles Nimo, Tobi Olatunji 等 21 位共同作者 覆蓋泛非洲地區、多專科的醫療問答基準，填補非洲醫療 NLP 資源空白。

  • The AI Gap: How Socioeconomic Status Affects Language Technology Interactions Elisa Bassignana, Amanda Cercas Curry, Dirk Hovy 量化社經地位如何影響使用者與語言技術的互動品質。

Best Resource Papers

  • BRIGHTER: BRIdging the Gap in Human-Annotated Textual Emotion Recognition Datasets for 28 Languages Shamsuddeen Hassan Muhammad, Nedjma Ousidhoum 等 40+ 位共同作者 28 語言的人工標註情緒辨識資料集，是多語言情感分析領域迄今最大規模的跨語言資源。

  • Are Rules Meant to be Broken? Understanding Multilingual Moral Reasoning as a Computational Pipeline with UniMoral Shivani Kumar, David Jurgens 跨文化道德推理的計算框架。

  • Palm: A Culturally Inclusive and Linguistically Diverse Dataset for Arabic LLMs Fakhraddin Alwajih 等 42+ 位共同作者 文化包容性阿拉伯語 LLM 資料集。

Best Theme Papers

  • MaCP: Minimal yet Mighty Adaptation via Hierarchical Cosine Projection Yixian Shen 等 用層級餘弦投影實現極小參數量的模型適應。

  • Meta-rater: A Multi-dimensional Data Selection Method for Pre-training Language Models Xinlin Zhuang 等 多維度資料篩選方法，用於優化預訓練資料品質。

  • SubLIME: Subset Selection via Rank Correlation Prediction for Data-Efficient LLM Evaluation Gayathri Saranathan 等 用子集選取大幅降低 LLM 評估成本。

Outstanding Papers（26 篇，節選代表性方向）

ACL 2025 的 26 篇 Outstanding Papers 覆蓋了五個清晰的趨勢方向：

多語言與低資源語言——這是數量最多的一個方向：

  • Typology-Guided Adaptation for African NLP（Ndapa Nakashole）——用語言類型學指導非洲語言 NLP 模型適應
  • PARME: Parallel Corpora for Low-Resourced Middle Eastern Languages
  • IndicSynth: A Large-Scale Multilingual Synthetic Speech Dataset for Low-Resource Indian Languages
  • Bridging the Language Gaps in Large Language Models with Inference-Time Cross-Lingual Intervention

評估與基準創新：

  • Capability Salience Vector: Fine-grained Alignment of Loss and Capabilities for Downstream Task Scaling Law
  • MiniLongBench: The Low-cost Long Context Understanding Benchmark for Large Language Models
  • Mapping 1,000+ Language Models via the Log-Likelihood Vector

模型效率與可擴展性：

  • Byte Latent Transformer: Patches Scale Better Than Tokens（Artidoro Pagnoni 等，Meta）——Byte-level 模型架構，patch 比 token 更有效率
  • Pre³: Enabling Deterministic Pushdown Automata for Faster Structured LLM Generation
  • Turning Trash into Treasure: Accelerating Inference of Large Language Models with Token Recycling

穩健性與安全：

  • HALoGEN: Fantastic LLM Hallucinations and Where to Find Them（Abhilasha Ravichander 等）
  • All That Glitters is Not Novel: Plagiarism in AI-Generated Research——直指 AI 生成論文的學術倫理問題
  • LLMs Know Their Vulnerabilities: Uncover Safety Gaps through Natural Distribution Shifts

語言學與語境理解：

  • A New Formulation of Zipf's Meaning-Frequency Law through Contextual Diversity（Ryo Nagata, Kumiko Tanaka-Ishii）
  • Toward Automatic Discovery of a Canine Phonetic Alphabet——用計算方法嘗試建構犬類語音字母表，是 ACL 少見的跨物種語言研究

Test-of-Time Award

Automatic Labeling of Semantic Roles（Daniel Gildea, Daniel Jurafsky，2000 年發表）拿下 25 年 Test-of-Time Award，這篇論文奠定了 semantic role labeling 整個子領域。

TACL Best Paper

首屆 TACL Paper Awards：Best Paper 頒給 Reading Subtext: Evaluating Large Language Models on Short Story Summarization with Writers（Melanie Subbiah, Sean Zhang, Lydia B. Chilton, Kathleen McKeown），Test-of-Time 頒給 Weakly Supervised Learning of Semantic Parsers for Mapping Instructions to Actions（Yoav Artzi, Luke Zettlemoyer，2013 年）。

NAACL 2025

2025 年 4 月 29 日至 5 月 4 日，新墨西哥州阿布奎基。

Best Paper Awards

  • The BiGGen Bench: A Principled Benchmark for Fine-grained Evaluation of Language Models with Language Models Seungone Kim, Juyoung Suk, Ji Yong Cho, Shayne Longpre 等 24+ 位共同作者 用語言模型評估語言模型的原則性基準框架——反映 2025 年 LLM-as-judge 已成為評估主流。

  • Runner-Up: REL-A.I.: An Interaction-Centered Approach To Measuring Human-LM Reliance Kaitlyn Zhou, Jena D. Hwang, Xiang Ren, Nouha Dziri, Dan Jurafsky, Maarten Sap 從互動角度測量人類對 LLM 的依賴程度。

Best Theme Paper

  • WorldCuisines: A Massive-Scale Benchmark for Multilingual and Multicultural Visual Question Answering on Global Cuisines Genta Indra Winata 等 42+ 位共同作者 全球美食的多語言多文化視覺問答基準。

  • Runner-Up: Developing multilingual speech synthesis system for Ojibwe, Mi'kmaq, and Maliseet Shenran Wang 等 為北美原住民語言開發多語言語音合成系統。

Best Social Impact Award

  • FLEURS-ASL: Including American Sign Language in Massively Multilingual Multitask Evaluation Garrett Tanzer（單一作者） 將美國手語納入大規模多語言多任務評估框架。

Outstanding Papers（10 篇，節選）

  • PeerQA: A Scientific Question Answering Dataset from Peer Reviews（Tim Baumgärtner, Ted Briscoe, Iryna Gurevych）——從同行評審中建構科學問答資料集
  • IrokoBench: A New Benchmark for African Languages in the Age of Large Language Models（David Ifeoluwa Adelani 等）
  • DrawEduMath: Evaluating Vision Language Models with Expert-Annotated Students' Hand-Drawn Math Images
  • Multi3Hate: Multimodal, Multilingual, and Multicultural Hate Speech Detection with Vision–Language Models

SAC Awards（節選）

  • Decoding Speculative Decoding（Generation 方向）——把 speculative decoding 的理論基礎說清楚
  • In-Context Learning with Long-Context Models: An In-Depth Exploration（Language Modeling 方向，Amanda Bertsch 等，CMU/Google）
  • Meta-Cultural Competence: Climbing the Right Hill of Cultural Awareness（Special Theme 方向）

EMNLP 2025

第 30 屆 EMNLP，2025 年 11 月 5–9 日，蘇州。投稿 8,174 篇（另一來源統計為 8,172 篇，差異極小），接受 1,811 篇（主軌），接受率 22.2%。Findings 接受 1,417 篇（17.3%），主軌 + Findings 合計 3,228 篇，總接受率 39.5%。本屆吸引超過 6,000 名與會者，是 EMNLP 歷史上規模最大的一屆。

特殊主題（Special Theme）：Interdisciplinary Recontextualization of NLP。

Best Paper Award

  • Infini-gram mini: Exact n-gram Search at the Internet Scale with FM-Index Hao Xu, Jiacheng Liu, Yejin Choi, Noah A. Smith, Hannaneh Hajishirzi（華盛頓大學、AI2） 用 FM-Index 實現網際網路規模的精確 n-gram 搜索，提供了一個跟 LLM 完全互補的工具——用精確匹配而非機率生成來查找文本片段。Hajishirzi 同時也是本屆 keynote speaker。

Outstanding Papers（7 篇）

  • Measuring Chain of Thought Faithfulness by Unlearning Reasoning Steps Martin Tutek, Fateme Hashemi Chaleshtori, Ana Marasovic, Yonatan Belinkov 用「遺忘推理步驟」的方式測量 chain-of-thought 的忠實度——直擊 CoT 是否真的反映模型內部推理的核心問題。

  • Mind the Value-Action Gap: Do LLMs Act in Alignment with Their Values? Hua Shen, Nicholas Clark, Tanu Mitra LLM 是否言行一致？發現 LLM 表達的價值觀和實際行為之間存在系統性落差。

  • LingGym: How Far Are LLMs from Thinking Like Field Linguists? Changbing Yang, Franklin Ma, Freda Shi, Jian Zhu 評估 LLM 的田野語言學能力，建構了一個讓模型像語言學家一樣分析未知語言的基準。

  • Generative or Discriminative? Revisiting Text Classification in the Era of Transformers Siva Rajesh Kasa 等 在 Transformer 時代重新審視生成式 vs 判別式的經典之爭。

  • DiscoSG: Towards Discourse-Level Text Scene Graph Parsing through Iterative Graph Refinement Shaoqing Lin 等 篇章級文本場景圖解析。

  • MiCRo: Mixture Modeling and Context-aware Routing for Personalized Preference Learning Jingyan Shen 等 混合建模與情境感知路由實現個人化偏好學習。

  • Causal Interventions Reveal Shared Structure Across English Filler-Gap Constructions Sasha Boguraev, Christopher Potts, Kyle Mahowald 用因果介入方法揭示英語填充語-間隙結構的共享結構。

Best Special Theme Paper

  • InterIDEAS: Philosophical Intertextuality via LLMs Yue Yang 等 用 LLM 探索哲學文本間的互文性。

Best Resource Paper

  • Autoformalization in the Wild: Assessing LLMs on Real-World Mathematical Definitions Lan Zhang, Marco Valentino, Andre Freitas（University of Manchester） 評估 LLM 在真實世界數學定義上的自動形式化能力。

People's Choice Award

  • Randomly Removing 50% of Dimensions in Text Embeddings has Minimal Impact on Retrieval and Classification Tasks Sotaro Takeshita 等 隨機移除文字嵌入 50% 的維度對檢索和分類任務幾乎沒有影響——一個簡單到讓人不安的發現。

Keynote Speakers

  • Heng Ji（UIUC）—— "No more Processing. Time to Discover."：AI 從語言「處理」走向科學「發現」，介紹模組化化學-語言模型 mCLM。
  • Hannaneh Hajishirzi（UW/AI2）—— "Open-Science AI"：開源模型（OLMo、Tulu）如何追上封閉商業模型。
  • Jana Diesner（TU Munich）—— NLP 透過計算社會科學的鏡頭：社會科學知識如何反過來改善 NLP 實踐。

2025 年 NLP 整體觀察

規模爆炸：投稿量翻倍的影響

2025 年最不可忽視的結構性變化是投稿量：ACL 從 4,407 → 8,360（+90%），EMNLP 從 6,105 → 8,174（+34%），NAACL 也有顯著增長。投稿量翻倍帶來的直接後果是審稿人池被進一步稀釋——同行評審品質的焦慮已經從私下抱怨變成公開議題（2025 年 ICML 上就有一篇 position paper 直接以「同行評審危機」為題）。

中國研究者佔比突破 50%

ACL 2025 所有第一作者中，來自中國的佔 51.3%，比 2024 年的 30.6% 幾乎翻倍。DeepSeek 的 NSA 論文拿下 Best Paper、北京大學的 alignment 論文同獲 Best Paper，都是這一趨勢的標誌性事件。

身份危機：NLP 會議還是 LLM 會議？

2025 年浮上檯面的根本問題是：NLP 會議跟 ML 會議（NeurIPS/ICML/ICLR）的邊界在哪裡？

幾個觸發點：

  • ACL 前主席 Emily M. Bender 在 2024 年的 ACL 上公開宣稱「ACL 不是 AI 會議」，引發大量討論
  • 一篇量化分析論文 "Has ACL Lost Its Crown?" 用十年數據（2014–2024）檢驗 ACL 是否被 NeurIPS/ICLR 超越——結論是 ACL 在中位引用數（32.00，NLP 會議最高）、milestone 論文密度、零引用率（0.89%，最低）等指標上仍然領先，但所有會議的 Quality-Quantity Elasticity（QQE，投稿增長與引用影響的彈性係數）都在持續下降，代表會議擴張帶來的學術影響力增長已不成正比
  • NLPer Eduard Hovy 在 ACL 2025 現場批評當前研究是「LLM popcorn」——只在表面做觀察、收集蝴蝶標本，不解決根本問題
  • EMNLP 2025 同樣面對「跟 ACL 或 NAACL 還有什麼實質差別」的身份問題

Agentic Systems 湧入 NLP 會議

EMNLP 2025 最顯著的主題轉向之一是 agentic systems 成為一級主題：

  • 多智能體協作框架——結構化通訊如何實現集體智慧
  • 工具使用可靠性——"Tool Preferences in Agentic LLMs are Unreliable"（LLM agent 在功能描述相似的工具之間選擇不可靠）
  • 終身 LLM agent——能自主反思、工具增強、持續適應的系統
  • LLM 作為社會與經濟行為者——LLM 的選擇與偏見在真實世界部署中的影響

這個趨勢的意義是：agent 研究不再只是 ML 會議的領地。NLP 社群正在用自己擅長的工具（語言分析、互動設計、評估方法論）切入 agent 問題。

多語言與文化包容性：從願景到基礎建設

三場會議不約而同地把「多語言」從 nice-to-have 升級為一等公民：

  • ACL：26 篇 Outstanding Papers 中多語言/低資源方向佔比最高；三篇 Best Resource Paper 中兩篇是大規模多語言資料集（28 語言情緒辨識、42+ 作者的阿拉伯語資料集）
  • NAACL：Best Theme Paper 是全球美食的多語言多文化視覺 QA；Outstanding Paper 裡有非洲語言基準、中東語言平行語料
  • EMNLP：特殊主題就是「Interdisciplinary Recontextualization of NLP」，聚焦跨學科應用

評估方法論持續演化

2025 年的 NLP 會議裡，「怎麼評估」本身成為一個比「怎麼做」更活躍的研究領域：

  • LLM-as-judge 已成主流：NAACL Best Paper 就是 LLM 評估 LLM 的基準框架
  • CoT 忠實度測量：EMNLP Outstanding Paper 用遺忘推理步驟的方式檢驗 CoT 是否真實
  • 幻覺偵測：ACL 的 HALoGEN 提供系統化的 LLM 幻覺分類
  • 低成本評估：ACL 的 SubLIME 用子集選取降低評估開銷

跟 2024 年相比

面向20242025
ACL 投稿量4,4078,360（+90%）
EMNLP 投稿量6,1058,174（+34%）
中國第一作者佔比（ACL）30.6%51.3%
Agent 研究零星出現成為 EMNLP 一級主題
多語言/低資源活躍爆發（多篇 Best Resource）
身份危機討論暗流公開化

2026 回看：哪些 2025 論文可能影響最深遠

  1. Native Sparse Attention (NSA)——如果 DeepSeek 後續模型大規模採用，這篇論文就是長上下文處理效率的技術起點
  2. Language Models Resist Alignment——對 RLHF 深度的質疑如果被進一步驗證，可能動搖整個 alignment 訓練範式
  3. Infini-gram mini——精確 n-gram 搜索作為 LLM 的互補工具，有潛力改變 RAG 和事實查證的技術路線
  4. Measuring CoT Faithfulness——如果 CoT 被證實大量不忠實，整個 reasoning 評估方法論都需要重新設計
  5. Has ACL Lost Its Crown?（分析論文）——QQE 下降的發現可能推動會議制度改革

參考資料

相關文章

2024 AI 頂會導讀：自然語言處理篇 1 min 2021 AI 頂會導讀：自然語言處理篇 1 min 2022 AI 頂會導讀：自然語言處理篇 1 min