近日，第64届国际计算语言学协会年会（ACL 2026）在美国加利福尼亚州圣地亚哥举行。作为自然语言处理与计算语言学领域最具影响力的国际顶级学术会议，ACL汇聚全球前沿研究成果，是展示该领域最新理论突破与技术创新的重要平台。

本届会议规模再创历史纪录，主会共收到12,148篇投稿，最终录用率仅18.9%。在大会颁奖环节，由深圳河套学院语言模型与人机交互中心（LIMA）李海洲教授、张民教授、户保田教授团队主导完成的论文《Hierarchical Acoustic-Semantic Modeling: Modality Separation and Semantic Coherence for Full-Duplex SLMs》脱颖而出，荣获ACL 2026 Outstanding Paper Awards（杰出论文奖）。

本届大会仅评选出18篇杰出论文，占投稿总数不足千分之二。该奖项的获得，标志着LIMA中心在语音全双工大模型战略方向上取得了里程碑式的突破。

该研究依托深圳河套学院AI训练平台提供的核心算力与科研支撑，由LIMA中心联合香港中文大学（深圳）等单位协同攻关。论文第一作者刘振宇系哈尔滨工业大学（深圳）与深圳河套学院联合培养的博士研究生，本成果也充分彰显了深圳河套学院在高水平科研平台建设、前沿人工智能研究及创新人才培养方面的深厚实力。

01
关于论文

开发无缝、高性能、原生智能的全双工语音语言模型（Spoken Language Models, SLMs）一直是语音与自然语言处理领域的长期挑战与核心目标。尽管近年来进展显著，现有模型仍普遍面临严重的模态干扰问题——当声学模态与语义模态被迫共享深层参数空间时，会产生本质性的梯度冲突，导致模型知识严重退化、语义完整性受损，最终使全双工交互表现生硬且缺乏智能。

针对这一根本性难题，研究团队通过对模型优化动力学的细粒度分析，首次系统性地揭示了全双工SLMs中模态干扰的根源，并提出了原生端到端的全双工框架Lychee-FD。该框架的核心创新在于：提出了一种层次化参数分离策略，在深层网络中解耦冲突模态，同时通过专用的语义对齐通道保持跨模态的语义一致性。

实验结果表明，该方法在多项全双工基准测试中均显著提升了模型性能——语音智能（Spoken QA）提升+7.4%，全双工交互流畅度（FullDuplexBench 1.5）提升+28.5%，且推理效率不受影响。经公开文献检索，目前尚无研究同时完成以下两项工作：揭示全双工SLMs中模态干扰的内在机理，并提出一套结构清晰、具备可操作性的分层模型解决方案。

02
Demo展示

视频 Demo 1：同时听说的能力

演示场景：用户争吵中，模型同步处理多方语音并实时响应

视频 Demo 2：单向倾听并实时反馈的能力

演示场景：AI助手倾听用户烦恼，同步整理并反馈关键信息

视频 Demo 3：单向诉说并智能停止的能力

演示场景：AI助手自助讲故事哄用户入睡，检测到用户熟睡后自动关闭

03
论文作者

Zhenyu Liu, Xuanyu Zhang, Yunxin Li, Qixun Teng, Shenyuan Jiang, Haolan Chen, Mingjun Zhao, Fanbo Meng, Yu Xu, Yancheng He, Baotian Hu, Haizhou Li, Min Zhang

论文地址：

https://arxiv.org/abs/2607.06540

代码地址：

https://github.com/HITsz-TMG/Lychee-FD

项目网站：

https://hitsz-tmg.github.io/Lychee-FD

04
关于ACL

国际计算语言学协会（Association for Computational Linguistics，ACL）成立于1962年，是自然语言处理与计算语言学领域历史最悠久、影响力最大的国际学术组织，会员覆盖全球62个国家和地区。其年度会议被中国计算机学会列为A类推荐会议，也是该领域公认的顶级学术会议，与NeurIPS、ICML并列为AI领域最高荣誉平台。

该会议竞争极为激烈：ACL 2026共收到投稿12,148篇，主会录用率仅约18.9%，而Outstanding Paper获奖率低至0.15%；同时，ACL获奖论文通常直接体现产业落地能力，历届获奖成果在翻译、语音、大模型等方向均留下重要印记。

向所有的作者和合作者，致以热烈祝贺！

期待语言模型与人机交互中心在未来，

持续引领全双工语音交互的新浪潮。