标签
Team Alkhder 在 AlexandriaX-2026 共享任务中的提交方案采用 QLoRA 对 NileChat-3B-Base 进行微调，实现上下文感知的英语到 13 种阿拉伯语方言的对话翻译，spBLEU 达 20.36，chrF++ 达 36.64，在两个赛道中均排名第六。
本文介绍了 alkhder 团队在 ImageEval 2026 子任务 1b 中的参赛方案，该方案采用零样本 7B 视觉-语言模型，结合约束选择与拉丁方旋转平均 logit 打分技术，在英语和现代标准阿拉伯语上进行多模态幻觉检测，相较于 3B 基线模型，将置信区间得分降低了 80% 以上。
该论文介绍了团队参加 KnowledgeGraphEval 2026 子任务2（阿拉伯语关系抽取）的系统：结合基于编码器的方法与微调 Yehia、Qwen3.5 的大语言模型系统，最佳集成系统在子任务2中以 94.06 的微平均 F1 分数获得第一名，凸显了约束预测与多种建模方法互补的重要性。
Itgan 团队介绍了一套统一的 Whisper+LoRA 方案，适配于 NADI 2026 阿拉伯语 ASR 的三个子任务。结果表明，针对不同子任务，方言专属模型、基座模型选择以及免训练的权重平均各有主导优势，而非任何单一的创新组件起决定性作用。
StanceEval 2026 是面向阿拉伯语社交媒体的第二届立场检测共享任务，重点关注跨目标（cross-target）与跨领域（cross-domain）的泛化能力。表现最佳的系统 F_avg2 分别达到 0.8994 和 0.9400，显著超越基线方法。
这是一篇 DocInsights 2026 共享任务的系统论文，介绍了 EviCalc——一个 PDF 文档问答流水线，将证据段落选择与 LLM 生成的算术表达式（在本地代码中执行）相结合。论文报告了 EviCalc 在 DocSem 测试集上 8.61% 的联合准确率，并给出了描述性的失败分析，包括 OCR 错误和块分组错误导致相关段落被错误合并的问题。
HalluScoring 2026 推出了首个面向阿拉伯语问答的 LLM 幻觉检测与事实验证共享任务，共有 13 支队伍参与四个子任务的角逐，涵盖二元幻觉检测以及在 HalluScore 和 HalluTruthQA 数据集上的答案选择。
TTLab 展示了一个用于阿拉伯语机器翻译错误片段检测与分类的微调表层标签器，使用 MARBERTv2 在 AlexandriaX-2026 共享任务中获得了第三名。
ArGuard 是一个专注于检测阿拉伯语模因与 LLM 提示中有害内容的共享任务，突出了细粒度分类中的挑战，并发布数据集以供进一步研究。
AraGenre 2026 是一个旨在改进低资源语言标注数据的层次化定义引导阿拉伯语体裁分类共享任务。结果表明，其在宽泛体裁识别方面表现强劲，但在细粒度分类上存在差距。
本文提出了一种资源高效的RAG流水线，用于UNLP 2026共享任务中的乌克兰多领域文档理解，通过平衡推理深度与硬件约束，实现了第10名的排名。
一篇关于VLMs幻觉检测的系统论文已被EMNLP 2026接受，参与SHROOM共享任务，该任务在UncertaiNLP研讨会上举办，专注于标记和标注VLM输出中的幻觉字符跨度。
本文提出了一种用于术语感知翻译的数据选择方法，仅在模型输出与术语表相矛盾的困难样本上进行训练，从而提高了术语准确率，并描述了BSC系统在WMT26术语共享任务中的提交。
本文评估了基于检索的上下文内学习方法，用于检测德国社交媒体帖子中与犯罪相关的仇恨言论，发现少样本提示优于零样本，但检索方法仅提供边际增益，模型更适合用于分诊而非自主审核。
本文提出了一种基于SciBERT的望远镜书目自动分类方法，在WASP-2025共享任务中取得了顶尖性能，同时高效处理了上下文长度限制。
论文描述了提交给 WMT 2026 MIST 共享任务的内容，使用 Tiny Aya Global 模型以及为多语言摘要和问答任务专门设计的 QLoRA 适配器。
本文介绍了REAP，一个用于从LLMs构建闭卷知识库的两阶段流程，它结合了针对特定关系的启发策略与确定性JSON解析，在使用Mistral-Small-24B-Instruct-2501的AKBC Shared Task 2026测试集上实现了0.62的宏F1分数。
This paper presents EVIL-Detect, a multi-signal ensemble framework with conflict-aware fusion for detecting LLM-generated, refined, and human-written Chinese text in the NLPCC 2026 Shared Task 6, achieving first place with a macro-F1 of 0.8888.
本文介绍了uOttawa团队在EvaLatin 2026古典拉丁语命名实体识别共享任务中使用的系统，通过商业LLM（Gemini 2.5 Pro和Claude Sonnet 4-5）的提示工程，在粗粒度和细粒度NER子任务中均获得第一名。
本文提出了一种三阶段神经符号流水线用于游戏毒性检测，结合了Transformer集成与基于规则的调解，在EEUCA 2026共享任务中取得了最高准确率。