阿里获ACL 2026最佳资源论文奖

近日，在国际计算语言学领域最具权威性的学术会议ACL 2026上，阿里巴巴集团的研究团队凭借其在Deep Research Agent方向的创新成果，荣获最佳资源论文奖（Best Resource Paper）。这是国内唯一获得该奖项的中国公司，标志着中国企业在人工智能基础研究领域的国际竞争力显著提升。

ACL（Association for Computational Linguistics）成立于1962年，是自然语言处理和计算语言学领域历史最悠久、影响力最大的国际学术组织。在谷歌学术的计算语言学子领域h5-index排名中，ACL长期位居榜首，是全球AI研究人员发表前沿研究成果的核心平台。此次ACL 2026共收到12148篇投稿，录用率仅为19%，最终仅有4篇论文获得最佳资源论文奖，竞争异常激烈。

阿里获奖的研究论文以商品出口所需的10位海关编码（HS Code）为切入点，提出了一种全新的智能体评测基准——HSCodeComp。该基准要求Agent能够像资深关务专家一样，将商品模糊的属性与严格的关税归类规则精确对齐，从而实现商品到10位细分编码的精准映射。研究团队对包括14个主流大模型和9个先进Agent框架在内的系统进行了全面评测，结果显示，表现最好的Agent系统准确率仅为45%左右，远低于人类专家95%的准确率。

值得注意的是，研究发现单纯增加推理时间并不能显著提高Agent的表现，这表明问题并非简单的算力不足，而是Agent架构本身存在结构性瓶颈。通过深入分析，研究团队揭示了导致Agent系统缺陷的三大主要原因：过长的推理链容易导致Agent偏离正确路径；领域知识不足会导致规则误用；推理幻觉则可能使Agent生成缺乏事实依据的分类判断。

基于这些发现，阿里团队设计并实现了以Qwen基座模型为核心的Agent框架。在HSCodeComp基准测试中，该Agent取得了65.0%的准确率，稳居所有AI系统第一位。目前，HSCodeComp的数据集与评测代码已在Hugging Face和GitHub全面开源，为全球研究人员提供了重要的研究工具。

ACL评审委员会对该研究给予了高度评价："该基准切中了Agent应用的高度重要挑战——考察Agent对严格层级化自然语言规则的遵循能力，研究动机极具说服力；严谨的人类专家评测流程提供了高度可靠的能力上界。"

阿里研究团队表示，层级规则应用是现实世界中大量专业决策的核心能力，不仅存在于国际贸易领域，也广泛应用于法律合规、医疗诊断、税务审计等高价值垂类领域。HSCodeComp基准的提出，不仅揭示了当前Agent的能力边界，更为构建真正可靠的专业AI系统提供了科学的评测标杆。

此次获奖不仅是对阿里在人工智能基础研究领域持续投入的认可，也为推动Agent技术在实际应用场景中的落地提供了重要参考。随着研究的深入和技术的进步，未来Agent将在更多复杂专业领域发挥关键作用。