ACL

PCoT: Persuasion-Augmented Chain of Thought for Detecting Fake News and Social Media Disinformation

PCoT：增强说服力的推理链用于检测虚假新闻和社会媒体谣言

Arkadiusz Modzelewski, Witold Sosnowski, Tiziano Labruna, Adam Wierzbicki, Giovanni Da San Martino

机构 * University of Padua（帕多瓦大学） ； Polish-Japanese Academy of Information Technology（波兰-日本信息科技学院） 纠错

AI总结 PCoT通过整合说服知识提升零样本虚假信息检测性能，实验表明其在五个LLM和五个数据集上平均提升15%。

Comments Accepted to ACL 2025 Main Conference

Enhancing Multimodal Retrieval via Complementary Information Extraction and Alignment

通过互补信息提取与对齐增强多模态检索

Delong Zeng, Yuexiang Xie, Yaliang Li, Ying Shen

机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（1 智能系统工程学院，中山大学） ； Alibaba Group（2 阿里巴巴集团） ； Guangdong Provincial Key Laboratory of Fire Science and Intelligent Emergency Technology（3 广东省火灾科学与智能应急技术重点实验室） 纠错

AI总结 CIEA通过互补信息提取与对齐提升多模态检索效果，实现对图像和文本统一潜在空间的建模，并在多个基准上取得显著优势。

Comments Accepted by ACL'2025

Memory Tokens: Large Language Models Can Generate Reversible Sentence Embeddings

记忆令牌：大语言模型可以生成可逆的句子嵌入

Ignacio Sastre, Aiala Rosá

机构 * Instituto de Computación, Facultad de Ingeniería, Universidad de la República（计算机研究所，工程学院，乌拉圭共和国大学） 纠错

AI总结 本研究通过引入记忆令牌，使大语言模型能够生成可逆的句子嵌入，实现对原始文本的精确重建，展示了LLM在记忆检索与文本生成中的新能力。

Comments This paper will be presented at The First Workshop on Large Language Model Memorization (L2M2) at ACL 2025

Harnessing PDF Data for Improving Japanese Large Multimodal Models

利用PDF数据提升日语大规模多模态模型

Jeonghun Baek, Akiko Aizawa, Kiyoharu Aizawa

机构 * The University of Tokyo（东京大学） ； National Institute of Informatics（信息处理研究所） 纠错

AI总结 本文通过利用日本PDF数据提升日语大规模多模态模型的性能，采用自动化流程提取图像-文本对并构建指令数据，实验结果显示在Heron-Bench上性能提升达2.1%-13.8%。

Comments Accepted to ACL2025 Findings. Code: https://github.com/ku21fan/PDF-JLMM

Journal ref Findings of the Association for Computational Linguistics: ACL 2025