EMNLP

TASO: Task-Aligned Sparse Optimization for Parameter-Efficient Model Adaptation

TASO：任务对齐的稀疏优化用于参数高效模型适应

Daiye Miao, Yufang Liu, Jie Wang, Changzhi Sun, Yunke Zhang, Demei Yan, Shaokang Dong, Qi Zhang, Yuanbin Wu

机构 * East China Normal University（东华师范大学） ； Honor Device Co., Ltd.（荣誉设备有限公司） ； Fudan University（复旦大学） 纠错

AI总结 TASO通过任务对齐的稀疏优化方法，有效减少LoRA中的参数冗余，提升微调性能。

Comments Accepted to EMNLP 2025 (Main Conference),13 pages,10 figures

RAISE: Reinforced Adaptive Instruction Selection For Large Language Models

RAISE: 增强适应性指令选择用于大语言模型

Qingsong Lv, Yangning Li, Zihua Lan, Zishan Xu, Jiwei Tang, Tingwei Lu, Yinghui Li, Wenhao Jiang, Hong-Gee Kim, Hai-Tao Zheng, Philip S. Yu

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Peng Cheng Laboratory（鹏城实验室） ； University of Illinois Chicago（伊利诺伊大学香槟分校） ； Seoul National University（首尔国立大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） 纠错

AI总结 RAISE通过强化学习动态选择指令，提升大语言模型微调效率与效果。

Comments Accepted by EMNLP 2025 findings

Evaluating the Creativity of LLMs in Persian Literary Text Generation

评估大语言模型在波斯文学文本生成中的创造力

Armin Tourajmehr, Mohammad Reza Modarres, Yadollah Yaghoobzadeh

机构 * Tehran Institute for Advanced Studies, Khatam University, Iran（德黑兰高级研究学院，卡坦大学，伊朗） ； School of Electrical and Computer Engineering, College of Engineering, University of Tehran, Tehran, Iran（电气与计算机工程学院，工程学院，德黑兰大学，德黑兰，伊朗） 纠错

AI总结 本文评估了LLMs在生成波斯文学文本中的创造力，通过定制测试和人工验证，分析其在原创性、流畅性、灵活性和扩展性方面的表现，并探讨其在文学修辞手法应用上的能力。

Journal ref In Findings of the Association for Computational Linguistics: EMNLP 2025, pages 14762-14774, Suzhou, China. Association for Computational Linguistics