ACL 2026 美团论文精选：从能力评测到推理优化，构建生成新范式
美团6篇ACL论文揭秘：从评测到推理优化，系统推进生成式AI落地。
ACL是自然语言处理顶会。美团6篇论文入选，涉及大模型评测、复杂推理、竞赛级数学、强化学习、生成式推荐。本文解读技术细节，展示如何系统提升模型生成能力。
正文摘录
ACL（Annual Meeting of the Association for Computational Linguistics）是计算语言学和自然语言处理（NLP）领域的国际顶级学术会议。自 1962 年创办以来，ACL 已成为 NLP 领域规模最大、影响力最高的学术盛会，汇聚了来自全球学术界和工业界的顶尖研究者。 本文解读了被 ACL 顶会收录的其中 6 篇论文，技术方向覆盖 大模型评测、复杂流程推理、竞赛级数学思维优化、强化学习优化、生成式推荐 等领域，欢迎大家一起交流学习。 01 CoreCodeBench: Decoupling Code Intelligence via Fine-Grained Repository-Level Tasks CoreCodeBench：通过细粒度仓库级任务解耦代码智能 论文下载 ：[PDF](https://mp.weixinbridge.com/mp/wapredirect?url=https%3A%2F%2Farxiv.org%2Fabs%2F2507.05281&action=appmsgredirect&uin=MjA1NzkzMDYwMA==&biz=MjM5NjQ5MTI5OA==&mid=2651782776&idx=3&type=1&scene=0)  论文简介： 本论文提出了 CoreCodeBench，一种面向大语言模型编程能力的细粒度评测基准。