近日，第63屆國際計(jì)算語言學(xué)年會ACL 2025論文接收結(jié)果揭曉，云知聲憑借強(qiáng)大的技術(shù)實(shí)力，共有4篇論文成功入選，涵蓋大語言模型知識溯源、圖文音多模態(tài)大模型、大語言模型可解釋性等前沿領(lǐng)域，為行業(yè)研究帶來全新思路，充分彰顯其在AI領(lǐng)域的技術(shù)創(chuàng)新與產(chǎn)學(xué)研深度融合成果。

ACL作為自然語言處理領(lǐng)域最具影響力的國際會議之一，競爭異常激烈，今年總投稿數(shù)高達(dá)8000多篇。云知聲能夠在如此激烈的競爭中脫穎而出，4篇論文被接收，無疑是對其技術(shù)實(shí)力的有力證明。

在技術(shù)創(chuàng)新方面，云知聲始終走在行業(yè)前沿。此次入選的論文中，《TROVE: A Challenge for Fine-Grained Text Provenance via Source Sentence Tracing and Relationship Classification》針對大語言模型在內(nèi)容可靠性方面的擔(dān)憂，推出文本溯源任務(wù)（TROVE），為醫(yī)療、法律等領(lǐng)域的內(nèi)容溯源提供了新方法；《Cracking Factual Knowledge: A Comprehensive Analysis of Degenerate Knowledge Neurons in Large Language Models》深入探索簡并知識神經(jīng)元（DKNs），為理解大型語言模型中的事實(shí)性知識機(jī)制提供了新視角；《Investigating and Enhancing Vision-Audio Capability in Omni Modal Large Language Models》針對全模態(tài)大語言模型在整合視覺和音頻方面的難題，提出自知識蒸餾（Self-KD）訓(xùn)練方法，有效提升模型視覺－音頻能力；《Transparentize the Internal and External Knowledge Utilization in LLMs with Trustworthy Citation》提出“基于上下文－先驗(yàn)的引用生成”任務(wù)，開發(fā)RAEL框架和INTRALIGN方法，有效提升模型引用質(zhì)量和回答可信度。

云知聲自2012年成立以來，始終深耕自然語言處理領(lǐng)域，成果豐碩。2017年Transformer及2018年BERT等深度學(xué)習(xí)模型的發(fā)布，推動AI自然語言處理取得重大突破。云知聲憑借交互式AI研發(fā)實(shí)力，迅速推出首個(gè)基于BERT的大語言模型UniCore，為AI解決方案落地奠定基礎(chǔ)。2023年，在自建Atlas智算平臺和海量數(shù)據(jù)支持下，推出千億參數(shù)的山海大模型，具備十大核心能力，并不斷突破多模態(tài)技術(shù)，拓展前沿功能。

在技術(shù)攻堅(jiān)過程中，云知聲收獲多項(xiàng)自然語言處理相關(guān)專利，為多場景應(yīng)用提供支撐。在學(xué)術(shù)研究與行業(yè)認(rèn)可方面，云知聲持續(xù)輸出優(yōu)質(zhì)成果，多次在國際頂會發(fā)表學(xué)術(shù)著作并獲獎。此次四篇論文入選ACL 2025，是對其技術(shù)創(chuàng)新實(shí)力的有力印證，也進(jìn)一步夯實(shí)了其AGI技術(shù)底座。

云知聲始終堅(jiān)持技術(shù)創(chuàng)新與產(chǎn)學(xué)研深度融合，在學(xué)術(shù)研究與行業(yè)認(rèn)可方面持續(xù)輸出優(yōu)質(zhì)成果。此次四篇論文入選ACL 2025，不僅是對云知聲技術(shù)實(shí)力的認(rèn)可，更將進(jìn)一步夯實(shí)其AGI技術(shù)底座。未來，云知聲將繼續(xù)秉持開拓精神，深耕人工智能技術(shù)，不斷探索和拓展大模型的應(yīng)用邊界，為全球科技進(jìn)步貢獻(xiàn)更多中國智慧和創(chuàng)新力量。