EMNLP

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