Seminarium Zespołu Inżynierii Lingwistycznej w Instytucie Podstaw Informatyki Polskiej Akademii Nauk odbywa się średnio co 2 tygodnie, zwykle w poniedziałki o godz. 10:15 (niekiedy online – prosimy o korzystanie z linku przy tytule wystąpienia) i ma charakter otwarty. Poszczególne referaty ogłaszane są na Polskiej Liście Językoznawczej oraz na stronie Lingwistyka komputerowa na Facebooku. Nagrania wystąpień dostępne są na kanale YouTube.

7 września 2026

Varvara Magomedova (Univerza v Novi Gorici)

Veje – a future treebank of Slovenian dialectal texts  

Slovenian dialect research has produced a lot of literature, but not as many data sources. The lack of available syntactically annotated corpora limits research for those, who do not have access to native speakers. This talk presents the first phase of Veje – to become a Slovenian dialect treebank. The present version of the pipeline is designed to reduce the manual work. The pipeline has two modules – normalization and annotation. In the first stage, dialectal surface forms are normalized towards standard Slovenian through a sequence of corrected lexical replacements, deterministic phonological rules, Sloleks-based morphological validation, and a constrained GaMS residual corrector. The process preserves token order and alignment wherever possible and records substitutions that cannot be morphologically verified for later review. In the second stage, normalized sentences are parsed with the non-standard Slovenian CLASSLA-Stanza model, while SloBERTa identifies whatever could not be normalized and sends it to GaMS for a second check of the annotation. The resulting extended CoNLL-U representation retains the original dialect form alongside its normalized equivalent, Universal Dependencies annotation, dialect metadata, and audit information. The current output is intentionally silver-standard: native speakers and dialectologists will correct selected data into a gold subset, which will subsequently support evaluation and model fine-tuning. I will also show the web-platform developed based on user needs study held with corpora users.

21 września 2026

Mirosław Koziarski (niezależny badacz)

Cyfrowa edycja „Słownika warszawskiego”  

Słownik języka polskiego pod redakcją Jana Karłowicza, Adama Kryńskiego i Władysława Niedźwiedzkiego, znany jako Słownik warszawski, należy do najważniejszych i najobszerniejszych dzieł polskiej leksykografii. Osiem tomów, opublikowanych w latach 1900–1927 i liczących łącznie niemal 7800 stron, dokumentuje polszczyznę wielu epok, regionów, rejestrów i dziedzin. Choć skany słownika są dostępne w bibliotekach cyfrowych, jego treść pozostawała dotąd w dużej mierze zamknięta w obrazie drukowanych stron.

Podczas wystąpienia przedstawię projekt cyfrowej edycji Słownika warszawskiego, rozwijający metodologię i narzędzia opracowane w ramach mojej rozprawy doktorskiej. Omówię kolejne etapy przetwarzania: wybór i analizę źródła, obróbkę i segmentację obrazów, OCR — obecnie wspomagany także narzędziami opartymi na sztucznej inteligencji — korektę i normalizację tekstu, hierarchiczne parsowanie artykułów hasłowych, walidację, indeksowanie oraz generowanie danych pochodnych. Centralnym elementem procesu jest parser przekształcający liniową transkrypcję w ustrukturyzowaną reprezentację XML. Rozpoznaje on kilkadziesiąt typów segmentów, m.in. wyrazy hasłowe, warianty, informacje gramatyczne, znaczenia i podznaczenia, definicje, kwalifikatory, przykłady użycia, etymologie, odsyłacze i związki frazeologiczne, a także relacje między nimi. Ze względu na złożoność i niekonsekwencje materiału proces ma charakter iteracyjny i łączy metody automatyczne z ręczną kontrolą.

Uruchomiona edycja internetowa stanowi rozwinięcie wcześniejszej makiety badawczej w stopniowo rozbudowywaną platformę. Użytkownik może zestawić sformatowany artykuł z transkrypcją źródłową, surowym XML-em i odpowiednim fragmentem faksymile. Ustrukturyzowanie treści umożliwia ponadto tworzenie nowych ścieżek dostępu do danych: korpusu przykładów, zestawień derywatów, skonsolidowanego indeksu skróceń, statystyk oraz matrycy porównującej siatkę hasłową z innymi słownikami polszczyzny.

Na zakończenie przedstawię aktualny stan projektu, przyjęte mechanizmy kontroli jakości i ograniczenia automatycznego przetwarzania historycznego materiału leksykograficznego, a także planowane kierunki rozwoju.

19 października 2026

Justyna Gromada, Natalia Krawczyk (Orange Research)

Ewaluacja agentów konwersacyjnych i modelowanie satysfakcji użytkownika w dialogach sprzedażowych  

Streszczenie wystąpienia zostanie podane w najbliższym czasie.

22 października 2026

Nina Smirnova (GESIS – Leibniz Institute for the Social Sciences)

Tytuł wystąpienia udostępnimy wkrótce  

Streszczenie wystąpienia zostanie podane w najbliższym czasie.

9 listopada 2026

Piotr Pęzik, Filip Żarnecki, Wojciech Janowski, Jakub Kwiatkowski, Paweł Wilk, Łukasz Stolarski (Uniwersytet Łódzki)

LLM-y w przeszukiwaniu korpusów. Przykłady zastosowań agentowych i analitycznych  

Streszczenie wystąpienia zostanie podane w najbliższym czasie.

19 listopada 2026

Sabina Tomkins (University of Michigan)

Tytuł wystąpienia zostanie podany wkrótce  

Streszczenie wystąpienia zostanie podane w najbliższym czasie.

23 listopada 2026

Persuasion in Parliament and Beyond: Computational Analysis of Political Discourse

Projekt zrealizowany przy wsparciu finansowym Polskiej Akademii Nauk w ramach programu MOST PAN  

ParlaMint – Comparable and Interoperable Parliamentary Corpora (Tomaž Erjavec, Jožef Stefan Institute)

The talk presents the ParlaMint corpora of parliamentary debates of 29 European countries and autonomous regions, covering at least the period from 2015 to 2022, and containing over 1 billion words. The corpora are uniformly encoded, contain rich metadata about their 24 thousand speakers, and are linguistically annotated, as well as machine translated to English. We present the compilation of the corpora, including the encoding infrastructure, use of GitHub, the production of individual corpora, the common pipeline for producing their distribution, and use of CLARIN services for dissemination. We also present associated efforts, such corpora of additional countries, and the ParlaSpeech corpora. Finally, the use of the corpora and further work are discussed.

Beyond the Polish Parliamentary Corpus (Maciej Ogrodniczuk, Instytut Podstaw Informatyki PAN)

The Polish Parliamentary Corpus, which is also represented in ParlaMint, served as a model for a series of Polish corpora containing similar types of material, which are ideally suited to research into persuasion techniques. The presentation will introduce these datasets: the Round Table Corpus, documenting the opposition’s negotiations with the communist authorities of the Polish People’s Republic in 1989, and the Local Government Debates Corpus – a collection of transcripts from the proceedings of provincial assemblies, city councils, county councils and local councils from 2018 to 2026.

Leveraging Persuasion and Intent for Analysis and Reasoning-based Detection of Disinformation with Large Language Models (Arkadiusz Modzelewski, Uniwersytet Padewski)

From Detecting Persuasion to Predicting Its Success: Persuasion Strategies as Predictive Signals (Tiziano Labruna, Fondazione Bruno Kessler)

Computational work on persuasion has largely focused on detecting rhetorical techniques in text. This talk would ask a complementary question: do those techniques tell us anything about whether an argument actually changes someone's mind? Multi-Strategy Persuasion Scoring (from Labruna, EACL 2026) is a zero-shot framework in which a large language model reasons about each of six persuasion strategies independently and produces a per-strategy score, which can then be aggregated directly or used as input to a lightweight classifier. The strategy has been tested across three datasets, proving that strategy-guided reasoning consistently outperforms both direct pairwise comparison and generic chain-of-thought baselines.

A Corpus of Persuasion Techniques in Slavic Languages (Jakub Piskorski, Joint Research Centre of the European Commission)

30 listopada 2026

AI without Borders

Projekt zrealizowany przy wsparciu finansowym Polskiej Akademii Nauk w ramach programu MOST PAN  

Universalist modelling and processing of idiomaticity in the PARSEME and UniDive framework – recent developments and the state of Polish (Agata Savary, Uniwersytet Paris-Saclay)

Detecting AI generated content on surface- and idea-level (Marzena Karpińska, Uniwersytet Simona Frasera)

Can Neural Network Models Learn Logic? (Jakub Szymanik, Uniwersytet w Trydencie)

Large language models now produce chains of reasoning that look like proofs, but it remains unclear whether they have acquired the rules of inference or merely the patterns that usually accompany them. I will describe a line of joint work with Manuel Vargas Guzmán and Maciej Malicki that tries to make this question precise enough to answer. We use syllogistic logic — a small, fully controlled fragment of natural language — as a testbed, and ask models not whether a conclusion holds but which premises are needed to derive it. This lets us separate two things usually conflated under "compositional generalization": extending a learned pattern to longer chains of reasoning, and recovering the underlying rules from complex cases to apply them to simpler ones. Models turn out to be markedly better at the first than the second, and their success depends systematically on the shape of the inference rather than its difficulty. I will end with two more encouraging results — that training on examples of the task itself substantially helps smaller models, and that even imperfect neural reasoners make effective assistants to a symbolic prover — and with what all this suggests about what "learning logic" could mean for a system that learns from data.

Faithful Explanations in the Age of Large Language Models (Mateusz Lango, Uniwersytet Karola w Pradze)

AI Argues Differently: Distinctive Persuasive Patterns and Communicative Strategies of LLMs (Agnieszka Faleńska, Uniwersytet w Stuttgarcie)

In Search for Universal Language Similarity Metric with Application in Multilingual AI (Michał Ptaszyński, Kitami Institute of Technology)

Answering Questions and Temporal Reasoning in Large Language Models (Adam Jatowt, Uniwersytet w Innsbrucku)

Safety Vulnerabilities in Spoken Language Models and Web Agents (Karolina Stańczak, Politechnika Federalna w Zurychu)

Zapraszamy także do zapoznania się z archiwum seminariów z lat 2000–2015 oraz listą wystąpień z lat 2015–2026.