EMNLP

MedTutor: A Retrieval-Augmented LLM System for Case-Based Medical Education

MedTutor: 一种基于检索的LLM系统用于基于病例的医学教育

Dongsuk Jang, Ziyao Shangguan, Kyle Tegtmeyer, Anurag Gupta, Jan Czerminski, Sophie Chheang, Arman Cohan

机构 * Department of Computer Science, Yale University（耶鲁大学计算机科学系） ； Department of Radiology and Biomedical Imaging, Yale School of Medicine（耶鲁医学院放射学与生物医学成像系） ； Interdisciplinary Program for Bioengineering, Seoul National University（首尔国立大学生物工程跨学科项目） 纠错

AI总结 MedTutor是一种基于检索的LLM系统，通过自动从临床病例报告生成教育内容和多项选择题，提升医学教育质量。

Comments Accepted to EMNLP 2025 (System Demonstrations)

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing: System Demonstrations, pages 319-353

FESTA: Functionally Equivalent Sampling for Trust Assessment of Multimodal LLMs

FESTA：用于多模态大语言模型信任评估的功能等效采样

Debarpan Bhattacharya, Apoorva Kulkarni, Sriram Ganapathy

机构 * Indian Institute of Science（印度科学研究院） ； University of Maryland College Park（马里兰大学学院公园分校） 纠错

AI总结 FESTA通过功能等效采样技术提升多模态大语言模型的预测选择性性能，实现33.3%和29.6%的改进。

Comments Accepted in the Findings of EMNLP, 2025

Journal ref EMNLP 2025

Diverse, not Short: A Length-Controlled Data Selection Strategy for Improving Response Diversity of Language Models

多样而非简短：一种长度控制的数据选择策略以提高语言模型的响应多样性

Vijeta Deshpande, Debasmita Ghose, John D. Patterson, Roger Beaty, Anna Rumshisky

机构 * University of Massachusetts Lowell（马萨诸塞大学洛维尔分校） ； Yale University（耶鲁大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； Amazon AGI（亚马逊人工智能研究院） 纠错

AI总结 Diverse-NS通过长度控制的数据选择策略提升语言模型响应多样性，适用于创造性生成任务，并在不同规模模型间展示出显著效果。

Comments Accepted to EMNLP 2025 Main

Warm Up Before You Train: Unlocking General Reasoning in Resource-Constrained Settings

在训练前热身：在资源受限环境下解锁通用推理

Safal Shrestha, Minwu Kim, Aadim Nepal, Anubhav Shrestha, Keith Ross

机构 * Department of Computer Science, New York University Abu Dhabi（纽约大学阿布扎克分校计算机科学系） 纠错

AI总结 本文提出一种分两阶段的训练策略，在资源受限环境下通过热身提升大语言模型的推理能力。

Comments Accepted to EMNLP 2025

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing (EMNLP 2025)

HetGCoT: Heterogeneous Graph-Enhanced Chain-of-Thought LLM Reasoning for Academic Question Answering

HetGCoT：异构图增强的链式思考LLM推理用于学术问答

Runsong Jia, Mengjia Wu, Ying Ding, Jie Lu, Yi Zhang

AI总结 HetGCoT通过异构图增强链式思考LLM推理，提升学术问答的可解释性和准确性。

Comments Findings of the Association for Computational Linguistics: EMNLP 2025

Are Large Language Models Good Classifiers? A Study on Edit Intent Classification in Scientific Document Revisions

大型语言模型是好的分类器吗？科学文档修订中的编辑意图分类研究

Qian Ruan, Ilia Kuznetsov, Iryna Gurevych

机构 * Ubiquitous Knowledge Processing Lab (UKP Lab)（通用知识处理实验室） ； Department of Computer Science（计算机科学系） ； Hessian Center for AI (hessian.AI)（黑森人工智能中心） 纠错

AI总结 本文研究了大型语言模型在科学文档修订中的编辑意图分类任务中的表现，通过实验和数据集构建探讨了其分类能力及应用价值。

Comments EMNLP2024 Main

Journal ref Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing EMNLP 2024

NUMINA: A Natural Understanding Benchmark for Multi-dimensional Intelligence and Numerical Reasoning Abilities

NUMINA：多维智能与数值推理能力的自然理解基准

Changyu Zeng, Yifan Wang, Zimu Wang, Wei Wang, Zhengni Yang, Muyi Bao, Jiming Xiao, Anh Nguyen, Yutao Yue

机构 * School of Advanced Technology, Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学先进技术学院） ； Department of Computer Science, University of Liverpool（利物浦大学计算机科学系） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Institute of Deep Perception Technology, JITRI（深度感知技术研究所） 纠错

AI总结 NUMINA是一个用于多维智能和数值推理能力的自然理解基准，通过多尺度注释和自动化注释流程提升多模态室内感知理解，揭示当前LLM在三维空间计算中的不足。

Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025, pages 22575--22590

Design Techniques for LLM-Powered Interactive Storytelling: A Case Study of the Dramamancer System

基于LLM的交互叙事设计技术：Dramamancer系统的案例研究

Tiffany Wang, Yuqian Sun, Yi Wang, Melissa Roemmele, John Joon Young Chung, Max Kreminski

机构 * Midjourney 纠错

AI总结 Dramamancer系统利用LLM将作者创建的故事架构转化为玩家驱动的交互叙事，探讨了相关设计技术和评估方法。

Comments Extended abstract presented at the 2025 Wordplay Workshop at EMNLP

LLM Jailbreak Detection for (Almost) Free!

几乎免费的LLM劫持检测

Guorui Chen, Yifan Xia, Xiaojun Jia, Zhijiang Li, Philip Torr, Jindong Gu

机构 * School of Information Management, Wuhan University（武汉大学信息管理学院） ； Nanyang Technological University（南洋理工大学） ； Torr Vision Group, University of Oxford（牛津大学Torr视觉组） 纠错

AI总结 本文提出了一种几乎免费的LLM劫持检测方法，通过调整输入指令和logits温度来提高检测性能，无需额外计算成本。

Comments EMNLP 2025 (Findings) https://aclanthology.org/2025.findings-emnlp.309/

Enhancing Study-Level Inference from Clinical Trial Papers via Reinforcement Learning-Based Numeric Reasoning

通过基于强化学习的数值推理增强临床试验论文的论文级别推断

Massimiliano Pronesti, Michela Lorandi, Paul Flanagan, Oisin Redmond, Anya Belz, Yufang Hou

机构 * IBM Research Europe - Ireland（IBM欧洲研究院-爱尔兰） ； Dublin City University（都柏林城市大学） ； IT:U Interdisciplinary Transformation University Austria（IT:U跨学科转型大学奥地利） 纠错

AI总结 本研究通过强化学习和数值推理提升临床试验论文的论文级别推断，实现更准确的系统评价自动化。

Comments Accepted at EMNLP 2025 Main Conference. This revision corrects a minor typo in the camera-ready version

Comparing Specialised Small and General Large Language Models on Text Classification: 100 Labelled Samples to Achieve Break-Even Performance

比较专门化的小型模型和通用的大型模型在文本分类中的表现：100个标注样本实现平衡性能

Branislav Pecher, Ivan Srba, Maria Bielikova

机构 * Faculty of Information Technology, Brno University of Technology（信息技术学院，布拉格技术大学） ； Kempelen Institute of Intelligent Technologies（智能技术研究所） 纠错

AI总结 研究比较了专门化小型模型与通用大型模型在文本分类中的表现，发现平均100个标注样本即可实现平衡性能，且样本需求受任务特征和方差影响显著。

Comments Accepted to the EMNLP 2025 conference

FicSim: A Dataset for Multi-Faceted Semantic Similarity in Long-Form Fiction

FicSim：一个多维度语义相似性数据集用于长篇小说

Natasha Johnson, Amanda Bertsch, Maria-Emil Deal, Emma Strubell

AI总结 FicSim 是一个用于长篇小说多维度语义相似性评估的数据集，通过作者元数据和数字人文学者验证，评估了多种嵌入模型在表面特征与语义类别上的表现。

Comments Published in Findings of EMNLP 2025

Astra: Efficient Transformer Architecture and Contrastive Dynamics Learning for Embodied Instruction Following

Astra：面向具身指令跟随的高效Transformer架构与对比动态学习

Yueen Ma, Dafeng Chi, Shiguang Wu, Yuecheng Liu, Yuzheng Zhuang, Irwin King

机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（计算机科学与工程系，香港中文大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

AI总结 Astra通过引入轨迹注意力和对比动态学习目标，提升了具身指令跟随任务中多模态序列处理的效率与准确性。

Comments Accepted to EMNLP 2025 (main). Published version: https://aclanthology.org/2025.emnlp-main.688/ Code available at: https://github.com/yueen-ma/Astra

CulturalFrames: Assessing Cultural Expectation Alignment in Text-to-Image Models and Evaluation Metrics

CulturalFrames: 评估文本到图像模型与评估指标中的文化期望一致性

Shravan Nayak, Mehar Bhatia, Xiaofeng Zhang, Verena Rieser, Lisa Anne Hendricks, Sjoerd van Steenkiste, Yash Goyal, Karolina Stańczak, Aishwarya Agrawal

机构 * Mila – Quebec AI Institute（魁北克AI研究院） ； Université de Montréal（蒙特利尔大学） ； McGill University（麦吉尔大学） ； Google Research（谷歌研究） ； Google DeepMind（谷歌DeepMind） ； Samsung - SAIT AI Lab（三星-SAIT人工智能实验室） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） 纠错

AI总结 CulturalFrames研究了文本到图像模型在文化期望一致性方面的表现，发现模型在显性和隐性文化期望上均存在显著遗漏，揭示了现有评估指标与人类判断的相关性不足，提出了改进文化意识模型的方向。

Comments Accepted to EMNLP 2025 Findings

CoMAT: Chain of Mathematically Annotated Thought Improves Mathematical Reasoning

CoMAT：数学注释的思维链提升数学推理

Joshua Ong Jun Leang, Aryo Pradipta Gema, Shay B. Cohen

机构 * School of Informatics, The University of Edinburgh（信息学院，爱丁堡大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 CoMAT通过符号转换和推理执行两个阶段提升数学推理能力，在多个基准测试中超越传统CoT方法。

Comments 9 pages, 12 figures

Journal ref Proc. EMNLP 2025, pp. 20245-20274

PediaMind-R1: A Temperament-Aware Language Model for Personalized Early Childhood Care Reasoning via Cognitive Modeling and Preference Alignment

PediaMind-R1: 一种基于气质的个性化婴幼儿护理推理语言模型：通过认知建模与偏好对齐

Zihe Zhang, Can Zhang, Yanheng Xu, Xin Hu, Jichao Leng

机构 * School of Future Information and Innovation, Fudan University（未来信息与创新学院，复旦大学） ； Corporate Research, Bosch (China) Investment Ltd.（博世（中国）投资有限公司研发部） 纠错

AI总结 PediaMind-R1通过整合认知建模与偏好对齐，实现基于婴幼儿气质的个性化护理推理。

Comments Accepted at EMNLP 2025 PALS Workshop (PALS: EXPLORING ACTIVE AND PASSIVE LLM PERSONALIZATION)

LegalSim: Multi-Agent Simulation of Legal Systems for Discovering Procedural Exploits

LegalSim：多智能体法律系统模拟以发现程序性漏洞

Sanket Badhe

机构 * Rutgers University（罗切斯特大学） 纠错

AI总结 LegalSim通过多智能体模拟揭示法律程序中的漏洞链，通过PPO、老虎机、LLM和启发式策略比较，发现AI系统如何利用程序性弱点。

Comments 12 pages with 2 figures, accepted at the NLLP workshop at EMNLP 2025

Journal ref Proceedings of the Natural Legal Language Processing Workshop 2025

Stronger Baselines for Retrieval-Augmented Generation with Long-Context Language Models

更强的检索增强生成基线：长上下文语言模型

Alex Laitenberger, Christopher D. Manning, Nelson F. Liu

机构 * Stanford University（斯坦福大学） 纠错

AI总结 本文提出DOS RAG作为长上下文问答任务的强基线，通过保持文档结构和简单性，在多个基准上超越复杂方法。

Comments 11 pages, 6 figures, for associated source code, see https://github.com/alex-laitenberger/stronger-baselines-rag

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing (EMNLP 2025), pages 32559-32569

DAST: Difficulty-Adaptive Slow-Thinking for Large Reasoning Models

DAST: 为大推理模型引入难度自适应的慢思考

Yi Shen, Jian Zhang, Jieyun Huang, Shuming Shi, Wenjing Zhang, Jiangze Yan, Ning Wang, Kai Wang, Zhaoxiang Liu, Shiguo Lian

机构 * Unicom Data Intelligence（中国unicom数据智能） ； Data Science & Artificial Intelligence Research Institute（数据科学与人工智能研究院） 纠错

AI总结 DAST通过自适应调整推理步骤长度，有效减少大模型的过度思考问题，同时保持复杂任务的推理准确性。

Comments EMNLP 2025 Industry Track

ConstraintLLM: A Neuro-Symbolic Framework for Industrial-Level Constraint Programming

ConstraintLLM: 一种用于工业级约束编程的神经符号框架

Weichun Shi, Minghao Liu, Wanting Zhang, Langchen Shi, Fuqi Jia, Feifei Ma, Jian Zhang

机构 * Hangzhou Institute for Advanced Study, UCAS, Hangzhou, China（杭州高等研究院，UCAS，杭州，中国） ； University of Oxford, Oxford, UK（牛津大学，牛津，英国） ； University of Science and Technology Beijing, Beijing, China（北京科技大学，北京，中国） ； SKLCS and Key Laboratory of System Software, ISCAS, Beijing, China（SKLCS和系统软件重点实验室，ISCAS，北京，中国） ； Laboratory of Parallel Software and Computational Science, ISCAS, Beijing, China（并行软件与计算科学实验室，ISCAS，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） 纠错

AI总结 ConstraintLLM是一种专为约束编程设计的神经符号框架，通过引入Constraint-Aware Retrieval Module和Tree-of-Thoughts框架，实现了在工业级约束编程基准上的高性能求解。

Comments Accepted to the 2025 Conference on Empirical Methods in Natural Language Processing (EMNLP 2025), Main Conference

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing, pages 15999-16019

Enhancing Foundation Models in Transaction Understanding with LLM-based Sentence Embeddings

利用基于大语言模型的句子嵌入增强交易理解的基础模型

Xiran Fan, Zhimeng Jiang, Chin-Chia Michael Yeh, Yuzhong Chen, Yingtong Dou, Menghai Pan, Yan Zheng

机构 * Visa Research（Visa研究） 纠错

AI总结 本文提出一种结合大语言模型生成的句子嵌入与轻量级交易模型的混合框架，以提升交易理解任务的性能和效率。

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing: Industry Track (EMNLP 2025), pages 903-911

Generative or Discriminative? Revisiting Text Classification in the Era of Transformers

生成式还是判别式？在Transformer时代的文本分类再审视

Siva Rajesh Kasa, Karan Gupta, Sumegh Roychowdhury, Ashutosh Kumar, Yaswanth Biruduraju, Santhosh Kumar Kasa, Nikhil Priyatam Pattisapu, Arindam Bhattacharya, Shailendra Agarwal, Vijay huddar

AI总结 本文在Transformer时代重新审视文本分类，比较生成式与判别式模型的性能，揭示不同架构下的表现差异并提供实际应用指导。

Comments 23 pages - received Outstanding Paper award at EMNLP 2025

SciClaims: An End-to-End Generative System for Biomedical Claim Analysis

SciClaims: 一种用于生物医学声明分析的端到端生成系统

Raúl Ortega, José Manuel Gómez-Pérez

AI总结 SciClaims是一种基于大语言模型的端到端生物医学声明分析系统，可自动提取声明、检索证据并验证真实性，无需额外微调。

Comments In Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing: System Demonstrations

PILOT-Bench: A Benchmark for Legal Reasoning in the Patent Domain with IRAC-Aligned Classification Tasks

PILOT-Bench：一个以专利领域法律推理为核心的基准，包含与IRAC对齐的分类任务

Yehoon Jang, Chaewon Lee, Hyun-seok Min, Sungchul Choi

机构 * Pukyong National University（浦项国立大学） ； Tomocube Inc.（Tomocube公司） 纠错

AI总结 PILOT-Bench通过IRAC对齐的分类任务评估专利领域法律推理能力，揭示闭源与开源模型在推理性能上的显著差异。

Comments Accepted at the NLLP Workshop at EMNLP 2025

AutoIntent: AutoML for Text Classification

AutoIntent: 文本分类的自动化机器学习工具

Ilya Alekseev, Roman Solomatin, Darina Rustamova, Denis Kuznetsov

机构 * Moscow Center for Advanced Studies（莫斯科先进研究中心） ； Moscow State University（莫斯科国立大学） ； ITMO University（ITMO大学） 纠错

AI总结 AutoIntent 是一种用于文本分类的自动化机器学习工具，通过端到端自动化实现嵌入模型选择、分类器优化和决策阈值调节，提升分类效果与资源利用平衡。

Comments EMNLP 2025 System demonstrations

Journal ref 2025.emnlp-demos.53

Evaluation and Facilitation of Online Discussions in the LLM Era: A Survey

在大语言模型时代评估和促进在线讨论：一篇综述

Katerina Korre, Dimitris Tsirmpas, Nikos Gkoumas, Emma Cabalé, Danai Myrtzani, Theodoros Evgeniou, Ion Androutsopoulos, John Pavlopoulos

机构 * Archimedes, Athena Research Center（阿希米德研究中心） ； Athens University of Economics and Business（雅典经济与商业大学） ； École Normale Supérieure Paris-Saclay（巴黎萨克雷高等师范学校） ； INSEAD 纠错

AI总结 本文综述了大语言模型时代在线讨论评估与促进方法，提出新的评估分类、干预策略及未来研究方向。

Comments To appear in EMNLP 2025

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing

TrojanStego: Your Language Model Can Secretly Be A Steganographic Privacy Leaking Agent

TrojanStego: 你的语言模型可能 secretly 成为一个隐写术隐私泄露代理

Dominik Meier, Jan Philip Wahle, Paul Röttger, Terry Ruas, Bela Gipp

机构 * University of Göttingen（哥廷根大学） ； LKA NRW（北莱茵-威斯特法伦州检察署） ； Bocconi University（博科尼大学） 纠错

AI总结 TrojanStego通过语言隐写术在LLM输出中隐秘泄露敏感信息，展示了一种新型被动且危险的LLM数据外泄攻击方式。

Comments 9 pages, 5 figures To be presented in the Conference on Empirical Methods in Natural Language Processing, 2025

Text Anomaly Detection with Simplified Isolation Kernel

基于简化隔离核的文本异常检测

Yang Cao, Sikun Yang, Yujiu Yang, Lianyong Qi, Ming Liu

机构 * School of Computing and Information Technology, Great Bay University（大湾大学计算机与信息科技学院） ； Great Bay Institute for Advanced Study, Great Bay University（大湾大学先进研究学院） ； Guangdong Provincial Key Laboratory of Mathematical and Neural Dynamical Systems（广东省数学与神经动力系统重点实验室） ； Dongguan Key Laboratory for Intelligence and Information Technology, China（东莞智能与信息技术重点实验室） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； China University of Petroleum (East China), China（中国石油大学（华东）） ； School of IT, Deakin University（德肯大学信息科技学院） 纠错

AI总结 本研究提出简化隔离核（SIK）方法，通过将高维嵌入转换为低维稀疏表示，提升文本异常检测的性能与效率。

Comments EMNLP Findings 2025

TracSum: A New Benchmark for Aspect-Based Summarization with Sentence-Level Traceability in Medical Domain

TracSum：面向医学领域具有句子级可追溯性的新型摘要基准

Bohao Chu, Meijie Li, Sameh Frihat, Chengyu Gu, Georg Lodde, Elisabeth Livingstone, Norbert Fuhr

机构 * University of Duisburg-Essen（杜伊斯堡-埃森大学） ； Institute for AI in Medicine (IKIM)（医学人工智能研究所） ； University Hospital Essen（埃森大学医院） 纠错

AI总结 TracSum提出了一种面向医学领域的可追溯摘要基准，通过句子级引用提高摘要准确性，并展示了基于Track-Then-Sum的基线方法及实验结果。

Comments 8 main pages, 12 appendix pages

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing

Shared Path: Unraveling Memorization in Multilingual LLMs through Language Similarities

共享路径：通过语言相似性揭示多语言大语言模型中的记忆现象

Xiaoyu Luo, Yiyi Chen, Johannes Bjerva, Qiongxiu Li

机构 * Department of Computer Science（计算机科学系） ； Department of Electronic Systems（电子系统系） 纠错

AI总结 通过语言相似性分析，揭示多语言大语言模型中记忆现象的跨语言关联及其影响因素。

Comments 17 pages, 14 tables, 10 figures

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing, pages 19372-19388, Suzhou, China