EMNLP

Towards Open-Ended Discovery for Low-Resource NLP

面向低资源NLP的开放性发现

Bonaventure F. P. Dossou, Henri Aïdasso

机构 * McGill University（麦吉尔大学） ； Mila Quebec AI Institute（魁北克人工智能研究所） ； École de technologie supérieure (ÉTS)（高等技术学院） 纠错

AI总结 本文呼吁转向互动性语言发现，通过人机协作动态学习低资源语言，推动参与式共适应学习。

Comments Proceedings of the 2nd Workshop on Uncertainty-Aware NLP (UncertaiNLP) at EMNLP 2025

Coarse-to-Fine Grounded Memory for LLM Agent Planning

粗到细的 grounded memory 用于 LLM agent 计划

Wei Yang, Jinwei Xiao, Hongming Zhang, Qingyang Zhang, Yanna Wang, Bo Xu

机构 * National Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institution of Automation, Chinese Academy of Sciences（认知与决策智能复杂系统国家重点实验室，自动化研究所，中国科学院） 纠错

AI总结 本文提出 Coarse-to-Fine Grounded Memory，通过 LLM 实现粗到细的记忆 grounding，以提升代理在复杂规划任务中的灵活性和适应性。

Comments Accepted to EMNLP 2025 Main Conference;27 pages,15 figures

Cognitive Linguistic Identity Fusion Score (CLIFS): A Scalable Cognition-Informed Approach to Quantifying Identity Fusion from Text

认知语言身份融合评分（CLIFS）：一种可扩展的认知导向方法，用于从文本中量化身份融合

Devin R. Wright, Jisun An, Yong-Yeol Ahn

机构 * Center for Complex Networks and Systems Research, Luddy School of Informatics, Computing, and Engineering, Indiana University Bloomington（复杂网络与系统研究中心，信息学、计算与工程学院，印第安纳大学布卢明顿分校） ； Cognitive Science Program, Indiana University Bloomington（认知科学项目，印第安纳大学布卢明顿分校） ； School of Data Science, University of Virginia（数据科学学院，弗吉尼亚大学） ； CulturePulse, Inc.（CulturePulse公司） 纠错

AI总结 CLIFS通过整合认知语言学与大语言模型，提供一种自动化方法来量化文本中的身份融合，有效提升暴力风险评估的准确性。

Comments Authors' accepted manuscript (postprint; camera-ready). To appear in the Proceedings of EMNLP 2025. Pagination/footer layout may differ from the Version of Record

AgentDrug: Utilizing Large Language Models in An Agentic Workflow for Zero-Shot Molecular Editing

AgentDrug: 利用大语言模型在代理工作流中进行零样本分子编辑

Khiem Le, Ting Hua, Nitesh V. Chawla

机构 * University of Notre Dame（诺丁汉大学） 纠错

AI总结 AgentDrug通过代理工作流利用大语言模型，在分子编辑任务中实现更高准确性，特别是在单属性和多属性编辑任务中表现出显著性能提升。

Comments EMNLP'25 Findings