日本电信电话株式会社（NTT）于2026年10月29日发布公告称，其研究机构提交的4篇论文被自然语言处理领域会议EMNLP 2026接收。其中两篇进入Findings，一篇进入Industry Track，另有一篇为与大学合作完成的论文。EMNLP 2026于10月24日至29日在匈牙利布达佩斯举行，NTT称该会议在自然语言处理领域具有较高选择性。NTT公告
公告介绍的研究方向主要集中在大语言模型安全、模型适配效率和人机协作。第一项工作研究“虚拟后门”防御方法：研究者利用可控的示例后门，尝试识别并削弱未知攻击者植入的后门，同时保持模型原有功能。NTT称，该方法的目标是降低第三方大模型产生有害响应或非预期行为的风险，但公告未提供完整实验数据，相关效果仍需以论文正文和独立复现实验为准。
第二项工作提出推理时调优方法，尝试把旧模型微调获得的专业能力迁移到新的基础模型上，而不重新训练。NTT称，该方法在特定条件下具有防止性能显著下降的理论保证。若这一方向能够在更多模型和任务上成立，可能减少模型升级时的数据管理与重复训练成本；不过，“理论保证”适用的条件范围，以及与常规微调、提示工程和参数高效微调的实际差距，仍是评估重点。
第三项工作关注对话生成结构化内容后的修改传播问题，例如用户只要求改动文档的一部分时，模型能否正确判断其他部分是否也需要同步修改。研究者提出评测基准，并比较不同测试时计算方法在准确率和计算成本之间的取舍。该方向与代码、表格、报告等可持续编辑的智能体应用有关，但公告本身没有披露基准规模、具体任务成绩或成本数值。
从信息性质看，这是一则企业研究成果和会议接收公告，不等同于产品发布或商业化落地。它反映出自然语言处理研究正在从单纯提升生成质量，进一步转向后门防御、可验证的模型适配，以及多轮协作中的修改可靠性。对于行业观察者而言，后续应重点查看EMNLP论文的完整实验设置、公开代码和跨模型结果，避免仅凭“被会议接收”推断方法已经具备生产环境优势。
事件日期：EMNLP 2026会议于2026年10月24日至29日举行；论文接收相关信息由NTT于2026年10月29日发布。论文具体在线发布日期未在该公告中单独标注。
资料来源：NTT，《4 papers from NTT accepted to EMNLP2026, a leading international conference on natural language processing》，发布日期：2026-10-29。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
