在近期揭晓的第63届国际计算语言学年会ACL 2025论文接收名单中，国内人工智能企业云知声大放异彩，成功收获4篇入选论文，其中主会论文与Findings各占两篇。这些论文聚焦于大语言模型的知识溯源、图文音多模态融合、模型可解释性等前沿领域，所提出的创新理论与方法为行业研究注入了新的活力。
ACL年会作为自然语言处理领域最具权威性的国际会议之一，每年吸引着全球顶尖学者与研究机构的积极参与。本届ACL将于2025年7月在奥地利维也纳举行，会议投稿量创历史新高，超过8000篇，竞争异常激烈。云知声能在如此高水平的国际舞台上脱颖而出，无疑是对其技术实力与科研能力的有力证明。
自成立以来，云知声在自然语言处理领域深耕细作，不断取得突破性进展。特别是在深度学习模型如Transformer与BERT相继问世后，云知声凭借其在交互式AI方面的深厚积累，迅速推出了基于BERT的大语言模型UniCore，为后续AI解决方案的广泛应用奠定了坚实基础。近年来，云知声更是在自建的Atlas智算平台与海量数据支持下，推出了千亿参数级别的山海大模型，该模型不仅具备强大的语言生成、知识问答、逻辑推理等能力，还在多模态技术上不断取得新突破，为用户带来了更为丰富的交互体验。
在技术创新的同时，云知声也收获了多项与自然语言处理相关的专利成果，如多语言摘要生成方法、知识增强的非自回归神经机器翻译方法等，这些专利为多场景应用提供了坚实的技术支撑。在学术研究与行业认可方面，云知声同样表现不俗，曾在CVPR 2024、INTERSPEECH 2023等国际顶级会议上发表多篇学术著作，并在CVPR 2024开放环境情感行为分析竞赛中斩获三项季军。此次ACL年会的再度入选，进一步彰显了云知声在AI领域的领先地位。
以下是云知声入选论文的亮点概览：
在知识溯源方面，云知声团队提出了TROVE任务，旨在解决大语言模型在文本生成中的可靠性问题。该研究通过构建包含不同场景与语言的数据集，对多个大语言模型进行了评估，揭示了检索在提升模型鲁棒性方面的重要性。
在模型可解释性方面，云知声团队深入探索了简并知识神经元（DKNs）的概念，通过神经拓扑聚类方法更准确地识别了DKNs，并展示了其在引导大语言模型学习新知识及增强模型鲁棒性方面的应用潜力。
在图文音多模态大模型方面，云知声团队针对全模态大语言模型在处理视觉与音频模态对齐不足的问题，提出了一种自知识蒸馏（Self-KD）的训练方法，有效提升了模型在视觉－音频任务上的性能。
云知声团队还提出了“基于上下文－先验的引用生成”任务，旨在提升大语言模型在综合利用内外部知识时生成答案的可信度。通过开发RAEL框架与INTRALIGN方法，该团队在多个场景下对模型进行了测试，取得了显著成果。
