本次报告聚焦于脑瘫群体在人机协同进程中面临的低效文本输入困境与数字化沟通壁垒，深入剖析其文本输入过程中的手-眼运动协调策略，并展示了团队基于此研究自主研发的AR智能交互键盘，旨在通过视觉重构实现沉浸式的高效输入。同时前瞻性地探讨面向脑瘫患者的虚拟键盘交互策略与无障碍文本输入设计范式研究。

构音障碍患者的语音识别准确率远低于正常人群，探索多模态LLM是否能改善这一问题——通过融合声学信号与大语言模型的上下文理解能力，充分利用跨模态互补信息来弥补构音语音的声学缺陷。

将学术论文自动转换为演讲视频，需要同步生成幻灯片、语音、字幕、光标动画与演讲者头像等多个模态，并保证各模态之间的语义一致性。现有方法将各模态作为独立生成任务，以论文原文为各自的输入源分别推理，导致跨模态语义漂移，且任何局部修改都需要重跑完整流程。

本报告介绍PaperContract，一个以结构化合约为核心的学术视频生成框架。其核心思想是：在论文与各下游模态之间引入一个持久化的结构化合约——对每张幻灯片的叙述文本、可见内容与视觉素材的统一规范——所有模块以该合约为唯一信息源，从根本上消除重复语义推理。在生成阶段，幻灯片通过QA引导的验证-精化循环生成；语音每张幻灯片仅合成一次，并通过强制对齐获得词级时间戳，构建共享时序合约，同步驱动字幕、光标定位与Talking Head渲染，跨模态同步由设计保证而非事后对齐。在交互修改阶段，用户以自然语言发出修改指令，系统仅更新合约中受影响的单元并选择性失效对应缓存，未受影响的幻灯片、音频与动画直接复用，显著降低修改成本。

构音障碍是一种由神经系统受损引起的运动性言语障碍。由于其与标准语音的声学特征差异以及数据规模的稀缺，导致直接使用通用语音识别模型时性能往往会下降。结合现有研究，我们主要从模型结构适配性、对其声学特征的分析。课程学习等训练策略以及其他方向开展研究，来提升构音障碍语音识别效果。

随着我国信息无障碍建设的深入，字幕已成为听障群体及老年人群获取音视频信息的基础设施。然而，在具有高即时性与高信息密度的真实交流场景中，传统语音识别技术往往面临社交时差长、核心信息易丢失、排版缺乏可读性等痛点。本文介绍了2026年中国计算语言学大会（CCL26-Eval）"面向听障群体的信息无障碍结构化字幕生成评测"任务。该评测聚焦于从音视频输入到高可用结构化字幕生成的完整技术链路。为贴近真实应用，任务设立了探索性能上限的"PC端赛道"与受限资源下的"手机端赛道"，并细分为基础字幕生成与结构化可读字幕生成两个子任务。针对真实语料库中口语表达的高度复杂性及核心信息标注噪音，本评测构建了"自动指标兜底加人工核对裁决"的混合评估体系。本次评测旨在推动AI字幕技术统筹考量转写准确率、响应速度与信息结构化呈现，为信息无障碍领域的模型研发与端侧落地提供统一的基准与高质量多场景数据集。

国际科技竞争日益聚焦于人工智能领域，中国自主研发大模型DeepSeek引发国际媒体关注，为考察中国科技形象在既有国际话语格局下的建构与重构提供了关键案例。本研究以批评隐喻分析为理论框架，自建DeepSeek主题英汉新闻语料库（2025年1月至2026年5月，含《人民日报》与《纽约时报》各约150篇报道），运用MIPVU隐喻识别程序、语料库定量统计与批评话语定性分析，对比中美媒体如何通过概念隐喻建构中国科技形象。不同隐喻的选择通过映射差异与框架效应影响受众对中国科技发展的认知与判断，进而参与国家科技形象的塑造。研究旨在回答三个核心问题：双方使用了哪些核心概念隐喻？这些隐喻如何框架中国科技发展并揭示何种价值取向？隐喻选择的系统性差异反映了怎样的科技话语权与地缘政治博弈？预期将明晰两国隐喻分布图谱，揭示隐喻差异背后的认知模式与价值分歧，并为构建具有文化自主性与国际说服力的中国科技叙事提供具体话语策略。本研究既是对批评隐喻分析在人工智能话语领域应用的实证深化，亦为理解优化中国科技形象的全球传播机制提供了学理支撑与实践启示。

构音障碍语音识别是无障碍人机交互和智能康复辅助中的重要问题。由于发音不清、语音清晰度下降和个体差异显著，现有自动语音识别模型在病理语音场景下仍存在较高错误率。针对固定词汇构音障碍语音识别任务，本研究以自监督语音模型为基础，构建CTC与词分类双头学习框架，同时引入清晰度感知的声学——编辑距离词表重评分方法，以增强模型对近似词和替换错误的纠正能力。实验基于UASpeech构音障碍语音数据集开展，并从整体识别率、说话人层面和不同清晰度等级等角度进行评估。结果表明，结合词级监督和清晰度感知解码策略有助于提升病理语音识别的鲁棒性。该研究可为残障人群无障碍交流、智能语音交互和康复评估提供技术支撑。