ACL

Characterizing Cultural Localization in AI-Generated Stories

表征AI生成故事中的文化本地化

Shaily Bhatt, Supriti Vijay, Jeremiah Milbauer, Fernando Diaz

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 提出一种方法，通过识别区分国籍的词汇标记并移除后测量叙事相似性，检测AI生成故事中的模板化本地化，发现仅9-17%词汇解释国籍差异，且部分文化标记具有冒犯性。

Comments Accepted to the 4th Workshop on Cross-Cultural Considerations in NLP (C3NLP) Co-located with ACL 2026, San Diego, USA (non-archival)

Fodor and Pylyshyn's Systematicity Challenge Still Stands

Fodor和Pylyshyn的系统性挑战依然存在

Michael Goodale, Salvador Mascarenhas

机构 * Institut Jean Nicod, Département d’études cognitives ENS, EHESS, CNRS, PSL University（让·尼科研究所，ENS认知科学系，EHESS，CNRS，PSL大学） 纠错

AI总结 本文通过实验证明，Lake和Baroni的元学习组合协议模型在分布外和分布内问题上均表现不佳，未能满足Fodor和Pylyshyn对神经网络系统性提出的挑战。

Comments Accepted in the Transactions of the Association for Computational Linguistics (TACL). This is a pre-MIT Press publication version of the paper

Benchmarking Web Agent Safety under E-commerce Deceptive Interfaces

电子商务欺骗性界面下的Web Agent安全基准测试

Zijing Shi, Meng Fang, Ling Chen

机构 * AAII, University of Technology Sydney（悉尼科技大学AAII） ； University of Liverpool（利物浦大学） 纠错

AI总结 提出WebDecept框架，在电子商务环境中注入七种常见欺骗性界面模式，测试多模态Web Agent的安全性，发现当前Agent极易受骗且提示约束不足。

Comments Accepted to ACL 2026