EMNLP 2026: день третий⤵️ В заключительный день основной конференции ещё 4 работы представили Василий Коновалов и Максим Савкин, группа «Фундаментальные языковые технологии», Алла Чепурова, группа «Модели с памятью», Дарья Пугачёва, группа «Обобщаемые системы ИИ», Сергей Плетенев и Всеволод Каримов, группа «Вычислительная семантика», а также наши соавторы. Основной трек 📎CodeTD: Topology of Attention Detects Hallucinations in Code LLMs Новый подход для выявления ошибок в сгенерированном коде по топологии карт внимания модели без выполнения программы. Трек Findings 📎ToolHACE: A Dataset for Detecting Hallucinations in Tool-Based LLM Responses Новый бенчмарк, содержащий около 48,7 тысяч примеров, созданный на базе ToolACE и предназначенный для выявления галлюцинаций, которые возникают у LLM после корректного использования инструмента. Такие галлюцинации могут противоречить выводам инструмента, добавлять неподдерживаемый контент, пропускать необходимую информацию или предлагать действия, которые не поддерживаются доступным списком инструментов. Трек Demo 📎Trust the Context, Not the Weights: Faithful Multi-Hop QA via Synthetic Mid-Training Статья представляет OCC-RAG — семейство компактных моделей для достоверного контекстного QA, которые делают ставку на рассуждение, а не на параметрические знания. Модели обучаются на большом синтетическом корпусе multi-hop QA со строгой привязкой к контексту и калиброванным отказом, что позволяет им превосходить модели в 2–6 раз крупнее на QA бенчмарках. 📎Drift Inspector: Exploring and Measuring Scientific Drift with Atomic Contribution Claims Открытая система, которая показывает, как меняются научные области. LLM выделяет из каждой аннотации атомарные утверждения о вкладе статьи, а система группирует их в темы и прослеживает по годам. Делимся порцией конференции и кадрами Будапешта📷 А на днях завершим серию постов о EMNLP подборкой наших статей на воркшопах🙂 #AIRIнаКонфе