按：这也许是中国计算语言学大会近十几年来最精彩的一场报告，近六百人的会场一开始还有点空，讲到后半程几乎都坐满了，大家表情严肃，提问不断！这个报告，既有历史回顾，又揭示了学科存在的本质问题，更难能可贵的是，自己带队耗费几百万的积累资金，探索计算神经语言学的新路径！让人叹服！一直希望国内有这样的计算神经语言学研究，终于有了诸多突破和进展！开心！

2025年8月14号上午，著名计算语言学家宗成庆教授在CCL2025的特邀报告《计算语言学的出路与退路》，非常精彩！该报告基于他在ACL2025的主席报告（PS：世界级顶尖学者专属）《The Path Forward and Alternatives of Computational Linguistics》，发出了令人深省的一句话“计算语言学没有退路！”

首先，宗老师回顾计算语言学的70多年发展史，总结出三个残酷现状：

（1）NLP、语音、图像和视频处理的门槛大幅度降低，多模态信息融合成为必然趋势。

（2）学术界与企业界的合作愈加紧密，在数据和算力方面学术界对企业界的依赖性更强。

（3）相关领域的学术会议同质化现象愈加严重，大量雷同、甚至重复性工作出现在同领域的相关会议上。就CL/NLP领域的会议而言，ACL、EMNLP、NAACL、EACL、AACL、COLING，甚至扩展到AAAI、IJCAI、ICML、ICLR等，差异性和特色越来越小，甚至消失不见。

由此，报告提出了学界需要思考和回答的三大问题：

（1）大语言模型是解决CL/NLP问题的终极方法吗？

（2）大语言模型是学界研究的唯一出路吗？CL/NLP学科方向发展的未来出路是什么？

（3）学术界除了为大厂输送人才，研究的初衷和使命是什么?

宗老师以自己课题组几年来在脑神经数据集构建、脑神经与计算融合的计算神经语言学方面做的六项重要研究工作，探索出了一条不以复现模型、调参为主的、新的大语言模型研究之路。

首先，建立了四种数据集：

（1）汉语词汇级神经影像数据

（2）连续故事的神经影像数据

（3）汉语语义评分数据集

（4）多模态认知数据集

其次，用计算建模实验而非简单的行为实验来揭示大脑的神经编码机制、语义网络分区以及句子级神经解码，这三大关键问题。

结论与对策

宗老师提出了两点对策：

（1）应以多样化方式鼓励非大模型研究，让更多不同的学术观点有机会在国际一流学术舞台上展现。

（2）具有强大的泛化能力，能够自学习和自我进化，低功耗的绿色CL/NLP方法才是人类追求的终极目标。

而最后的结束语尤为发人深省！

计算语言学没有退路，也无需有退路！ 这句话是在ACL大会上没有讲，而在CCL专门增加的重要论述。不要退路，不要随波逐流，要勇往直前，走出自己的一条路！