- 实体和事件级概念化在可推广推理中的作用：任务、方法、应用及未来方向综述
本研究综述了 150 + 篇论文，对概念化的定义、执行、应用以及相关的资源方法和下游应用进行了综合分类，特别关注实体和事件层面，在此基础上，我们揭示了该领域的未来发展方向，并希望得到社区更多的关注。
- 智能作为计算
该研究提出了将智能视为计算的特定概念化，旨在为所有智能研究学科提供统一的视角，并解决了现有观点之间的差异。该概念化将智能视为不同范式计算的组合，提出了多学科研究议程，旨在实现智能科学的统一。
- 大型语言模型中的跨域对齐揭示出人类类似的模式
本文通过行为研究，评估大型语言模型（LLMs）的概念化和推理能力，使用跨领域映射任务并分析模型的响应，结果显示模型的表示和行为与人类相似。
- CANDLE: 大型语言模型中的常识推理的迭代概念化与实例提炼
通过引入 CANDLE，一个渗透式谐谑缠绕呼出器，研究人员在常识知识库上进行了环境相关的概念化和实例化，并通过评估验证提出的这些知识类型的杰出质量和多样性，进而得出结论，在学生模型上提取 CANDLE 可以对四个下游任务带来好处。
- ACL从巧克力兔到巧克力鳄鱼：语言模型是否理解名词复合词？
这篇论文提出了一种修改后的核心任务和评估方法，用于解决名词组解释和概念化的问题，并表明 GPT-3 在这两个任务上的表现都很出色，尤其是后者，因为它需要创造力、常识和知识的广泛推广能力。此外，研究人员估计了 GPT-3 处理新名词组的能力， - ACL1335 种语言中的跨语言概念化研究
使用 Conceptualizer 方法对 1335 种语言中 83 个概念做出对齐，并且证明具有概念的跨语言稳定性，提出了一种语言之间的概念相似度的方法。
- 通过概念化获取和建模抽象常识知识
通过使用抽象概念的方法，建立了一个可适用于人类常识推理的抽象通识知识图谱，并通过基于语言特征的启发式规则和神经模型计算与验证其抽象知识的有效性。
- KDD利用概念图实现准确的社交媒体内容标记
本文针对社交媒体上的文本片段难以准确表达主题这一问题，提出了一种基于 TAG 概念匹配数据集和概念图的图图匹配方法，该方法在利用概念图结构和句法依赖解析中的语义单元逻辑交互方面表现出更好的抽象和概括性能。
- ACL词向量空间解释的神经向量概念化
本文提出了一种新的方法来解释任意分布词向量空间的样本，它训练了一个神经模型来生成高级别概念，并且能够在原始向量空间中学习非线性关系。同时，它产生的激活轮廓比流行的余弦相似性少得多。