当AI越来越擅长表达观点、列举理由，它是否也像人类辩手那样，懂得围绕核心价值组织论证？
近日，国际自然语言处理重要学术会议EMNLP 2026在匈牙利布达佩斯举行。围绕这一问题，武汉传媒学院智能科学与工程学院教师李茂源作为第一作者的研究论文《Value-Rich, Differently Organized: Measuring Value Expression and Organization in AI-Generated Debates》被会议主会（Main Conference）录用，并在现场以学术海报形式展示。论文由武汉传媒学院与新西兰奥克兰大学合作完成，武汉传媒学院列为第一署名单位。
EMNLP 2026会议官网主题横幅：
2026年10月24日至29日，匈牙利布达佩斯
EMNLP是什么？
为什么这一学术舞台备受关注？
如果说大语言模型让普通人第一次直观感受到人工智能“会说话、能写作”，那么自然语言处理（NLP）就是研究机器如何理解、生成和处理人类语言的重要技术领域。如今人们熟悉的智能问答、机器翻译、文本生成和AI智能体，都与这一领域的持续突破密切相关。
EMNLP的全称为“自然语言处理实证方法会议”，由国际计算语言学协会（ACL）旗下专业组织SIGDAT主办，是自然语言处理领域公认的重要国际学术会议之一。2026年EMNLP被中国计算机学会（China Computer Federation)评定为B级，在国际计算机会议评级为Core A*（最高评级）。来自全球高校和科研机构的研究者在这里发表成果、交流方法、检验彼此的研究发现。
EMNLP 2026于10月24日至29日在布达佩斯举行。本届会议的竞争尤为激烈：全球共收到17,669篇投稿，其中2,719篇进入主会（Main Conference），主会录用率约为15.4%；另有2,533篇论文进入Findings。这组数字直观地说明，主会录用需要在激烈的国际学术竞争中获得同行认可。
统计口径：EMNLP 2026主会（Main Conference），不含Findings；资料来源：厦门大学数字媒体计算中心、OMRON SINIC X
此次我校教师的研究成果进入的是EMNLP 2026主会论文集，这一成果体现了我校教师参与国际人工智能前沿学术研究的实际进展。
论文首页：武汉传媒学院为第一署名单位
李茂源为第一作者
为什么研究
“AI讲道理”的方式？
聊天机器人能在几秒钟内给出一长串理由，看上去思路开阔、面面俱到。但“观点多”就一定代表“论证好”吗？研究团队发现，一个容易被忽视的区别是：AI擅长调动多种价值观，却未必像人类辩手那样，围绕某个核心价值持续深入。
例如，围绕“爱是否是人类的必需品”这一辩题，AI可能依次谈到快乐、社会秩序、个人成长和人生意义；人类辩手则可能反复围绕“尊严、关怀与被认可的需要”展开。两种方式都可以成立，但背后的价值组织逻辑明显不同。
论文图1：同一道辩题中，AI与人类辩手可能采取不同的价值论证路径
把“讲了多少”与
“怎样组织”区分开来
研究团队提出“价值表达（Value Expression）”与“价值组织（Value Organization）”两个互补概念：前者看一场辩论触及哪些价值，后者看这些价值是否集中、如何跨轮次延续。团队以心理学中的Schwartz十大基本价值理论为基础，构建能够对人类与AI辩论进行公平比较的量化框架。
论文图2：以十大基本价值为核心的分析框架，连接价值覆盖、价值组织和差异解释
研究如何开展：
从一句辩词到一张价值“地图”
研究首先从真实中文辩论语料中选取60个辩题，并设置相匹配的人类参考辩论。随后使用GPT、Claude、Qwen、DeepSeek和专门的辩论系统R-Debater生成对应辩论文本。通过自动抽取论证前提、识别其涉及的价值维度，再逐步汇总到“单轮发言—正反立场—整场辩论”三个层次，团队得以观察价值观如何出现、集中、延续和变化。
论文图3：从辩论文本、论证前提提取和价值标注
到多层次统计分析的完整流程
数据揭示：
AI覆盖的价值更多
单轮表达却更分散
对比结果显示，人类参考辩论平均涉及4.883个基本价值维度，各AI系统则达到5.40至5.60个。换句话说，AI确实经常提出更多看待问题的角度。但在单轮发言中，人类的平均价值熵约为1.252，AI则为1.470至1.553，表明模型通常把注意力更分散地分配给多种价值。
论文图4：不同系统在十大价值维度上的整体分布
色块反映各价值的相对权重
不止自动指标：
120位人类评审怎么看？
为了避免只凭数学指标得出判断，团队还邀请120名具有高校辩论队背景的评审参与匿名来源评价。评审不知道材料究竟来自人类还是AI，而是从总体质量、价值清晰度、价值聚焦度、稳定性和“像不像人类辩论”等方面评分。
结果显示，AI在“价值清晰度”等方面也能取得很高评价；但在“是否围绕核心价值展开”这一比较中，排除平局后，人类参考辩论在74%的相关成对比较中更受青睐。这个发现的意义不是简单判断“谁更聪明”，而是提示研究者：表达丰富与论证聚焦，是两个不能混为一谈的能力。
论文图5：匿名人类评价雷达图，直观呈现不同系统在五项维度上的差异
需要特别说明：熵越高不一定越差，持续围绕同一价值也未必永远更好。这些指标用于描述表达模式，而不是为人类或AI的道德水平打分。它们更像一把新的“测量尺”，帮助研究者看清不同系统各自的论证特征。
从论文发表到国际现场：
让研究进入全球学术讨论
在EMNLP 2026的海报展示环节，李茂源围绕研究问题、分析框架和主要实验发现，向现场参会者介绍成果，并与关注AI生成内容评价、智能体辩论和人机交互的研究者交流。面对不同背景的同行提问，海报讨论将论文里的抽象指标变成了可以面对面解释和讨论的研究问题。
EMNLP 2026展示现场
参会者围绕论文海报讨论研究方法与发现
研究成果走向国际舞台
科研交流持续深入
在大会现场，论文海报集中展示了“相同辩题、不同价值组织方式”的核心案例，以及研究框架和关键实验结果。研究者通过现场讲解和双向讨论，向清华大学，北京大学，斯坦福大学等海内外顶尖大学的参会人员展示了武汉传媒学院的人工智能研究成果。
李茂源与参会研究者讨论海报中的研究发现
并在EMNLP 2026论文海报前留影
我校教师此次研究成果发表于EMNLP 2026主会论文集，现已在ACL Anthology学术文献平台公开收录，论文编号为2026.emnlp-main.858，DOI为10.18653/2026.emnlp-main.858。对我校而言，这一成果既体现了教师在人工智能与自然语言处理前沿问题上的持续探索，也为推动国际科研合作、加强学科建设和促进科研反哺教学提供了实践案例。
未来，智能科学与工程学院将继续聚焦自然语言处理、智能体技术和可信AI评价等方向，推进国际科研合作与科研成果反哺教学，为智能传媒人才培养提供支撑。
论文及会议信息：
https://aclanthology.org/2026.emnlp-main.858/ |https://2026.emnlp.org/
录用率资料：
厦门大学数字媒体计算中心（2026-08-21）
https://cdmc.xmu.edu.cn/info/1002/5654.htm
交叉核对：
OMRON SINIC X，EMNLP 2026研究成果报道（主会录用率15.4%）
