近日，我校计算机科学与技术学院、黑龙江省智能信息处理及应用重点实验室孙广路教授团队在多模态持续信息抽取研究方向取得突破性进展，论文《MPBoCo: Multimodal Prompt-Based Boundary-Enhanced Framework for Joint Continual Entity and Relation Extraction》（《MPBoCo：基于多模态提示的边界增强联合持续实体与关系抽取框架》）被国际计算语言学顶会Association for Computational Linguistics（ACL）2026主会录用，团队成员将受邀参会并作报告。该论文由孙广路教授、刘昕雨博士、梁丽丽讲师、朱素霞教授等共同完成，第一署名单位为哈尔滨理工大学计算机科学与技术学院。此次论文录用，实现了我校在人工智能领域国际顶级学术会议上的历史性突破，标志着我校科研团队在大模型应用与多模态信息处理方向上已跻身国际学术前沿行列。

该论文聚焦多模态持续信息抽取这一人工智能领域的核心难点任务，针对现实场景中多模态信息动态演化、新实体与新关系持续涌现导致的知识更新滞后、抽取精度不足等关键问题，提出了一种多模态提示驱动的边界增强框架MPBoCo。该框架突破了传统方法的局限，通过引入可学习的多模态提示机制，实现了任务知识的高效持续存储与动态灵活调用，结合边界感知优化策略，大幅提升了实体识别的精准度与鲁棒性；同时，依托先进的多模态融合建模技术，有效缓解了跨模态语义错位、信息冗余等领域共性问题，构建了高效、稳定的多模态持续联合抽取解决方案。为验证方法有效性，团队自主构建了国际首个多模态持续联合抽取数据集CMERJE。实验结果表明，该方法在多种任务划分场景下均表现优异，在持续学习与多模态联合建模方面展现出良好的泛化能力与稳定性，为相关领域的后续研究提供了重要的理论支撑与技术借鉴。

论文核心作者之一刘昕雨博士，本科就读于我校计算机科学与技术学院网络工程专业，2020年凭借优异成绩获得免试推荐直博资格，师从孙广路教授。入学以来，她在导师悉心指导与团队优良科研氛围的熏陶下，聚焦多模态信息抽取与持续学习前沿方向，潜心钻研多模态知识建模与持续学习中的核心瓶颈问题，展现出扎实的科研素养、敏锐的学术洞察力与较强的创新能力。读博期间，刘昕雨累计发表IEEE汇刊等SCI检索期刊论文4篇，其中包括《Information Fusion》等中科院1区TOP期刊论文2篇，申请和授权发明专利5项，已于今年4月顺利完成博士学业，成为我校计算机学科“本博贯通”培养模式下优秀创新人才培养的成功范例。

ACL作为自然语言处理领域最具权威性与影响力的国际顶级学术会议，是中国计算机学会（CCF）推荐的A类会议，汇聚了该领域的全球顶尖专家学者，其学术水平代表着国际计算语言学领域的最高水准。ACL 2026将于2026年7月2日至7日在美国加利福尼亚州圣迭戈举办，本届会议共收到全球范围内有效投稿12148篇，经过国际顶尖专家团队严格的双盲评审，主会论文最终录用率仅为19%，严苛的评审标准凸显了成果的学术价值与竞争力。

此次ACL 2026论文的录用，是我校计算机科学与技术学院、黑龙江省智能信息处理及应用重点实验室在人工智能领域长期深耕、持续探索、厚积薄发的集中体现，也是我校计算机科学与技术学科科研创新能力与学术影响力提升的重要标志。未来，学院及团队将以此为契机，持续聚焦人工智能、大模型应用等领域前沿核心问题与关键技术，加大技术探索与科研攻关力度，不断提升科研创新能力与核心学术竞争力，努力产出更多具有国际影响力的高水平科研成果，为推动我国人工智能领域高质量发展、助力国家科技自立自强贡献哈理工力量。

MPBoCo的整体架构示意图

CMERJE数据集的实验结果