近日，EMNLP 2026 公布了录用论文列表，实验室三篇长文被录用，包括一篇主会，两篇 findings。EMNLP 是自然语言处理领域的顶级会议，在 CCF 推荐列表中认定为B类国际学术会议。

1. 大模型真的拥有“内在道德路径”吗？（main conference）

标题：The Straight and Narrow: Do LLMs Possess an Internal Moral Path?

作者：本科生胡洛铭，博士生曾景杰等

摘要：当前主流的对齐技术如RLHF，往往只充当了表面的行为护栏，并未触及模型内在的道德表征，导致其极易被复杂的越狱攻击突破。针对这一问题，我们提出从“行为干预”转向基于道德基础理论（MFT）的“潜空间引导”。首先，通过跨语言线性探测分析，我们验证了英语和中文之间存在一个共享但具有文化细微差别的道德子空间，证明了LLM确实形成了抽象、跨语言的内在道德表征。在此基础上，我们提取了具有高因果效应的“道德向量”，并引入了自适应道德融合（AMF）机制，在推理时动态平衡安全性与有用性。实验表明，AMF作为一种针对性的内在防御机制，能显著降低HarmBench上的越狱成功率，同时最小化XSTest上的错误拒绝，从而实现了比标准基线更优的安全-效用权衡。

2. 多跳问答中的“逻辑自检”机制（findings）

标题：Iterative Natural Logic Verification for Multi-hop Question Answering

作者：石继豪老师 等

摘要：多跳问答需要组合多条证据来推导答案，因此极易受到幻觉中间推理步骤的干扰。常见的失败模式是神经生成器产生了流畅但与底层事实逻辑不一致的中间句子，从而误导下游推理。针对这一问题，我们提出了 ITERLOGIC，一个用于多跳问答的迭代自然逻辑验证框架，它将符号验证显式地整合到生成过程中。具体而言，神经生成器从检索到的事实中组合候选中间句子，而自然逻辑验证器则评估其与源证据的逻辑一致性。低分候选项会被迭代拒绝并重新生成，使系统能够逐步消除幻觉组合。这种轻量级的交互将自然逻辑从一个被动的评分组件升级为引导中间句子生成的主动验证信号。在 QASC、WorldTree 和 WikiHop 上的实验表明，ITERLOGIC 提高了答案准确率，证明了迭代验证对于可靠的多跳推理的有效性。

3. MindUntangler：通过多智能体拓扑路由化解心理咨询中的认知纠缠（findings）

标题：MindUntangler: Resolving Cognitive Entanglements via Multi-Agent Topological Routing in Psychological Counseling

作者：硕士生刘晓宇 等

摘要：当来访者表达“即使取得第一名，仍觉得自己像个冒牌货”时，许多大语言模型能够提供情绪支持，却往往停留于模板化回应，难以进一步识别事件经历、核心信念、认知歪曲、症状表现与创伤经验之间的结构化联系。针对这一问题，我们提出 MindUntangler，将心理咨询建模为基于动态认知拓扑的路由与干预框架，并将认知歪曲视为心理结构中的关键“认知结”。该框架利用 GraphRAG 持续构建和更新来访者的认知拓扑图，关联事件、信念、情绪、症状与创伤等要素；验证智能体用于识别隐喻误读、因果混淆与不当归因，路由智能体依据实时心理状态与认知结构，在认知行为疗法、辩证行为疗法和人本主义等干预策略间动态切换；当检测到自伤等高风险信号时，安全智能体优先触发危机处置流程。实验结果表明，MindUntangler 的 8B 模型在认知重构、人类偏好和临床专业性等评价维度上均取得更优表现。该研究推动大语言模型从表层情绪回应走向结构化心理理解与个体化干预，为安全、可解释的心理支持提供了一种新的技术路径。