原定于泰国曼谷举行的 ACL-IJCNLP 2021 于 8月2日在线正式开幕。本届会议由中科院自动化所研究员宗成庆担任ACL2021 大会主席，程序主席为来自罗马大学的Roberto Navigli、华盛顿大学的夏飞教授（Fei Xia）和香港理工大学的李文捷（Wenjie Li）教授。

整理：李梦佳，戴一鸣

01

ACL盘点

本次 ACL 大会共提交了 3350篇文章，相较于去年的 3429 篇投稿似乎有所回落。这某种程度上也显示了 AI 的热潮正在回归理性。

在3000+的投稿论文中，有 710 篇普通论文被录用（其中 571篇长文本，139篇短文本）。除此之外，另有 493 篇论文被录用为 Findings paper。

根据程序主席Roberto Nabigli的介绍，今年主会论文的接收率为21.2%，并额外接收了14.7%的论文到Findings子刊。

整体来看，ACL录用率保持在20%~25%之间，没有太大变化；其中长文章录用率基本维持在25%左右，短文章录用率则逐年下降。这表明，ACL大会似乎越来越不喜欢「尚未完成但是已经有了一点成果的工作，或者是得到负面结果的工作」。

Roberto讲到，Findings机制指的是有些论文虽然没有被主会所接收，但工作依然很扎实，有一定的质量和创新性，因而被接收为Findings论文。其中共邀请了493篇论文为Findings论文，有457篇论文作者接受了邀请。

在领域方面，有领域主题的名称有所调整，一些领域进行了融合，如「Semantics: Sentence Level」和「Semantics: Textual Inference and Other Areas of Semantics」整合到了一起。

增加了「NLP for Social Good」这个子主题，该子主题下共有36篇投稿。

所有收录论文所属的领域，前五名的主题和2020年相同，分别为机器学习、机器翻译和多语言、信息抽取、对话系统、NLP应用和句法分析。

在投稿国家方面，本届大会上共有57个国家投稿，其中投稿数前二国家是中国（37.6%）和美国（25.1%），其中中国投稿量是美国的1.5倍之多。

从投稿关注的领域上，今年和2018年有很大区别。3年前，CNN等是研究者关注的重点，但本届大会上最受关注的研究是预训练语言模型，包括BERT、RoBERTa、BART、GPT-2等。

大会还推出了一个用于搜索论文、作者、研究方向等的工具，名为semantic path工具。工具地址：acl.semanticpaths.org。

大会还公布了其他一些数据，例如，在ACL会员方面，ACL已成为人工智能领域最重要的会议之一。从会员数量来看，2020年ACL会员数量超过6000。

以下是本届大会的最佳论文，最佳论文的发布环节在8月4日。

一共会有三场主旨演讲，值得期待。

02

规模最大审稿团队

本届会议组委会堪称历届会议中规模最大的团队，共设置了19个子委员会，共68个共同主席。

夏飞教授则介绍了审稿的具体流程。ACL今年推出了新机制——ACL Rolling Review，适用于所有 ACL 系列会议和 Workshop 的投稿与审稿流程，在EMNLP得到应用。

审稿方面，本次大会的组委会是历届ACL大会中规模最庞大的一次。大会设立了3个程序主席，负责大会的人员招募、流程制定、议程设置等工作，并决定最终接收的论文。

此外，大会招募了60名高级领域主席（SAC），负责招募领域主席、选择审稿人、提名最佳论文和杰出论文等工作。

在领域主席之下是323名领域主席，负责招募审稿人、提名最佳论文和接触论文，撰写评审结果，最初初步提名的工作。大会同时招募了3600多名初级审稿人和260多名高级审稿人，每人负责审阅1-6篇投稿。

值得注意的是，本届大会专门设置了伦理顾问委员会（EAC），其中包括3位主席和56名审稿人。伦理顾问委员会的主要职责是审查论文的社会和伦理问题。在EAC的审核中，247篇论文可能存在问题，其中28篇经过修改后有条件接收。

最佳论文的评审中，候选论文由领域主席和高级主席提名，并由程序委员们提出最终的提名名单。本届大会上，入围提名的有25篇长论文和3篇短论文。最终，最佳论文评选委员会从提名论文中选出了1篇最佳论文和6篇杰出论文。

此外，每个主题赛道（Theme Track）都会选出最佳主题论文，由高级领域主席选出。

03

关注社会 伦理 教育

本届大会上，密歇根大学的Rada Mihalcea教授介绍了ACL组委会近来在推动组织发展方面的工作，以及当前NLP领域的研究趋势和热点问题。

在社会责任方面，ACL已设立了ACL 平等主管一职。主要负责推动多样性、包容性等方面的工作，如推动更为安全和包容的环境等。

在伦理方面，ACL 伦理委员会将会提供一个持续的平台，解决ACL活动和社区提出的伦理问题，并为伦理研究提供指导和解决方案，支撑AI伦理方面的研究。ACL伦理委员会由3名共同主席担任，任期五年，委员会同时将会有6名成员，任期3年。伦理委员会将会确保AACL（亚洲计算语言协会）、EACL（欧洲计算语言协会）和NAACL（北美计算语言协会）都会得到同样的指导。

ACL同时也在加强和高校学生的互动工作，本届大会上，ACL提出了Year-Round Mentorship机制，通过一年的虚拟指导，为学生入门AI领域提供支持。导师来自学术界或在计算语言学领域有关键影响的工业界专家。

学生在研究过程可以获得研究方面的指导，如开题、写论文、是否读博等。目前注册通道已开放。

04

研究热点及趋势

Mihalcea也介绍了ACL近年来NLP领域的研究热点和趋势，并进行了分析。

研究趋势方面，本届ACL的研究可以看到对人工智能在应用和社会发展中的关注，当前这一领域的热门研究内容包括：对话、语言和视觉、计算社会科学、常识、NLP中的伦理问题（隐私安全）等。

从近几年的研究来看，采用词云统计，有关word embeddings的论文数量快速上升。

在研究关注的领域方面，虽然以往的研究者主要关注的是模型的accuracy，但现在研究人员已经开始转向整个AI系统的表现，关注系统准确性。

对此，Mihalcea呼吁，研究者不要仅关注SOTA结果，盲目追求系统准确性。她列举了很多研究者需要关注的问题，如可解释性、泛化性等。

可解释性方面，人们需要更透明，更容易用的系统来解决可解释性的问题。研究者需要解答的问题是，「我们到底从这些神经网络当中能够学到什么？」一个可以参考的链接是 http://blackboxnlp.github.io/

除了准确性之外，研究者还要关注算法的泛化性问题，在一个域中训练的网络往往无法迁移到其他域中，或者说很难通过少量的数据就完成迁移。此外，所谓的领域内（in-domain）到底是指什么意思（同一个主题/同一风格/同一级别的形式）？

她举了语种作为例子，英语语言模型的能力很难迁移到世界上更广泛的语言中。解决这个问题可以参考的文章题为NLP beyond English（ http://ruder.io/nlp-beyond-english/）

研究者也需要关注AI伦理问题。这就是为什么ACL采纳了美国计算机协会的伦理准则，成立了ACL伦理委员会。

NLP的社会影响方面，Mihalcea认为有很多AI研究具有社会影响，应当予以关注。根据ACL的一项调查，47.5%的人认为，从长期来讲，NLP对于解决某些社会问题是有益处的。30.5%的人认为，NLP在长期来讲在解决大量社会问题方面可以起到关键性作用。

Mihalcea认为，这项调查说明，能够带来潜在社会影响的NLP任务包括，低资源情况下的机器翻译；机器辅助技术；信息的收集和处理（比如自然语言理解、总结、信息检索、问答）；心理健康，发现仇恨言论；扼制错误信息的传播。

演讲最后，Mihalcea提到了AI对环境的影响，以及可能带来的垄断问题。她认为，随着超大规模预训练模型成为NLP领域的研究热点，研究人员需要关注训练模型带来的环境影响，减少碳排放等负面效应。

同时，训练大模型的成本非常高昂，研究者需要警惕AI垄断（AI Monoploy）的问题。因为只有大企业、大机构才有能力去研发和训练大模型。

欢迎加入「自然语言处理」交流群！

（与内行人交流日常）