EMNLP

TSVer: A Benchmark for Fact Verification Against Time-Series Evidence

TSVer：一个针对时间序列证据的事实验证基准

Marek Strong, Andreas Vlachos

机构 * Department of Computer Science and Technology（计算机科学与技术系） 纠错

AI总结 本文提出TSVer基准，通过时间序列证据进行事实验证，包含304个真实声明和400个时间序列数据，采用LLM辅助标注提升质量，展示先进模型在时间序列推理上的挑战。

Comments Published at EMNLP 2025. v2 includes a revised version of the dataset

Interpreting Language Models Through Concept Descriptions: A Survey

通过概念描述解读语言模型：一项调查

Nils Feldhus, Laura Kopf

机构 * BIFOLD – Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所） ； Technische Universität Berlin（柏林技术大学） 纠错

AI总结 本文调查了通过生成自然语言概念描述来解读模型组件和抽象的方法，揭示了生成这些描述的关键方法、评估指标及数据集，并指出对更严谨因果评估的需求。

Comments Accepted at The Eight Workshop on Analyzing and Interpreting Neural Networks for NLP (BlackboxNLP), co-located with EMNLP 2025

PRINCIPLES: Synthetic Strategy Memory for Proactive Dialogue Agents

PRINCIPLES：面向前瞻性对话代理的合成策略记忆

Namyoung Kim, Kai Tzu-iunn Ong, Yeonjun Hwang, Minseok Kang, Iiseo Jihn, Gayoung Kim, Minju Kim, Jinyoung Yeo

机构 * Department of Artificial Intelligence, Yonsei University（燕山大学人工智能学院） 纠错

AI总结 本文提出PRINCIPLES，一种基于离线自play模拟的合成策略记忆，用于提升前瞻性对话代理的策略规划能力，无需额外训练和数据标注，在情感支持和说服领域均表现出色。

Comments Accepted to EMNLP 2025 Findings

Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025, pages 21329-21368