EMNLP

Curiosity as Linguistic Intervention: Using LLM Tutoring Dialogues to Influence Exploratory Learning Behavior

好奇心作为语言干预：利用LLM辅导对话影响探索性学习行为

Gevindu Ganganath, Pasindu Bolonghege, Qianru Lyu, Pradeep Varakantham, Thivya Kandappu

机构 * School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息系统学院） ； Human-Computer Interaction Institute, Carnegie Mellon University（卡内基梅隆大学人机交互研究所） 纠错

AI总结 提出CURIOBOT框架，通过LLM对话中的语言干预（新奇性、复杂性、冲突、不确定性）激发探索性学习行为，实验显示对话轮次增加2.4倍。

Comments Submitted to EMNLP 2026

CORTIS: Text-Only Adaptation of Spoken Language Models for Task-Oriented Voice Agents

CORTIS：面向任务型语音代理的纯文本口语语言模型适配

Youngwon Choi, Hyeonyu Kim, Taeyoun Kwon, Donghyuk Jung, Myeongkyun Cho

机构 * Maum AI Inc.（马姆人工智能公司） ； Seoul National University（首尔国立大学） ； Korea Culture Technology Institute（韩国文化科技研究所） ； KAIST（韩国科学技术院） 纠错

AI总结 提出CORTIS框架，通过纯文本任务监督微调口语语言模型，实现推理时直接生成结构化输出，无需配对语音-目标数据，在声学退化下优于级联方法。

Comments Submitted to EMNLP 2026 Industry Track

Evaluating Evaluation Metrics -- The Mirage of Hallucination Detection

评估评估指标——幻觉检测的幻象

Atharva Kulkarni, Yuan Zhang, Joel Ruben Antony Moniz, Xiou Ge, Bo-Hsiang Tseng, Dhivya Piraviperumal, Swabha Swayamdipta, Hong Yu

机构 * University of Southern California（南加州大学） ； Apple Inc.（苹果公司） 纠错

AI总结 本文评估了6种幻觉检测指标在4个数据集、37个语言模型和5种解码方法上的表现，发现现有指标与人类判断不一致，且参数规模影响不一致，LLM评估和模式寻求解码方法能有效减少幻觉。

Comments Accepted at EMNLP 2025 Findings (Short)

Sarc7: Evaluating Sarcasm Detection and Generation with Seven Types and Emotion-Informed Techniques

Sarc7: 基于七种类型和情感感知技术评估讽刺检测与生成

Raina Gao, Alyssa Jeong, Lang Xiong, Yicheng Fu, Sean O'Brien, Vasu Sharma, Kevin Zhu

机构 * Algoverse AI Research（Algoverse AI研究院） 纠错

AI总结 提出Sarc7基准，将MUStARD数据集标注为七种讽刺类型，并通过零样本、少样本、思维链及新型情感提示技术进行分类评估，同时开发基于情感的生成方法，实验表明情感提示技术优于其他设置。

Comments Accepted to EMNLP WiNLP and COLM Melt, Solar, PragLM, and Origen

Are LLMs Effective Negotiators? Systematic Evaluation of the Multifaceted Capabilities of LLMs in Negotiation Dialogues

LLMs 是有效的谈判者吗？LLMs 在谈判对话中多方面能力的系统评估

Deuksin Kwon, Emily Weiss, Tara Kulshrestha, Kushal Chawla, Gale M. Lucas, Jonathan Gratch

机构 * University of Southern California（南加州大学） ； University of California, Berkeley（加州大学伯克利分校） ； Capital One 纠错

AI总结 系统评估大型语言模型在谈判中的多方面能力，发现 GPT-4 表现优异，但在主观评估和生成策略性响应方面存在挑战。

Comments Accepted to Findings of EMNLP 2024

Beyond Uniform Forgetting: A Study of Sequential Direct Preference Optimization Across Preference Settings

超越统一遗忘：不同偏好设置下顺序直接偏好优化的研究

Pranav Bhandari, Nicolas Fay, Amitava Datta, Usman Naseem, Mehwish Nasim

机构 * Network Analysis and Social Influence Modelling (NASIM) Lab（网络分析与社会影响建模实验室） ； School of Physics Maths and Computing, The University of Western Australia（西澳大学物理数学与计算学院） ； School of Psychological Science, The University of Western Australia（西澳大学心理科学学院） ； School of Computing, Macquarie University（麦考瑞大学计算机学院） 纠错

AI总结 研究顺序DPO在不同偏好设置下的影响，发现遗忘模式并非统一，而是取决于目标关系、信号强度和训练顺序，并提出未来对齐流程应考虑目标兼容性。

Comments Submitted to EMNLP 2026

How LLMs Fail and Generalize in RTL Coding for Hardware Design?

LLM在硬件设计的RTL编码中如何失败与泛化？

Guan-Ting Liu, Chao-Han Huck Yang, Chenhui Deng, Zhongzhi Yu, Brucek Khailany, Yu-Chiang Frank Wang

机构 * NVIDIA Research（英伟达研究院） 纠错

AI总结 提出基于问题可解性的错误分类法，揭示LLM在RTL编码中受限于预训练知识，对齐技术仅教会编译，而推理能力才是关键瓶颈。

Comments Preview, under submission for EMNLP 2026

Media Framing through the Lens of Event-Centric Narratives

通过事件中心叙述的镜头进行媒体框架分析

Rohan Das, Aditya Chandra, I-Ta Lee, Maria Leonor Pacheco

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） ； Independent Researcher（独立研究者） 纠错

AI总结 本文提出通过提取事件及其关系构建高阶叙述，用于分析新闻中移民和枪支管控领域的框架机制。

Comments Accepted to the 6th Workshop on Narrative Understanding, co-located with EMNLP 2024

Beyond Parallel Sampling: Diverse Query Initialization for Agentic Search

超越并行采样：面向智能搜索的多样化查询初始化

Sidhaarth Murali, João Coelho, Jingjie Ning, João Magalhães, Bruno Martins, Chenyan Xiong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Instituto Superior Técnico and INESC-ID, University of Lisbon（里斯本大学高等技术学院和INESC-ID） ； NOVA LINCS, NOVA School of Science and Technology（新里斯本大学科学与技术学院NOVA LINCS） 纠错

AI总结 针对智能搜索中的广度缩放，提出DivInit方法，通过在第一轮生成多样化查询而非独立采样，缓解查询冗余问题，在多跳问答任务中平均提升5-7个点。

Comments 15 pages, 8 figures; under review at EMNLP 2026

From Parasocial Scripts to Dyadic Persistence in Autonomous AI-Agent Communities

从准社会脚本到自主AI智能体社区中的二元持久性

Mohammadsadegh Abolhasani, Hamid Reza Firoozfar, Reza Mousavi, Paul Jen-Hwa Hu

机构 * University of Utah（犹他大学） ； University of Virginia（弗吉尼亚大学） 纠错

AI总结 研究自主AI智能体社区中是否存在准社会互动（PSI）线索，通过关键词匹配、少样本LLM标注等方法分析帖子与评论，发现PSI线索与OP再参与及互惠回复结构强相关，并通过二元持久性测试验证了互动层面的PSI脚本与重复二元模式的一致性。

Comments Submitted for review in ARR for EMNLP 2026

Beyond Layer Importance in Layer-wise Sparsity: An Inter-Layer Perturbation-Absorption Perspective

超越逐层稀疏中的层重要性：层间扰动吸收视角

Tao Jing, Ningxin Wu, Chen Kang, Dong Yu, Changliang Li, Pengyuan Liu

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文通过受控扰动实验发现大语言模型中不同层对剪枝扰动的响应存在异质性，早期层放大扰动而中后期层吸收扰动，并基于此提出吸收感知校正方法，在70%稀疏度下降低困惑度7.13%并提升零样本准确率1.02%。

Comments 10 pages, 4 figures, 4 tables. Submitted to EMNLP 2026

PACUTE: Phonology-, Affix-, and Character-level Understanding of Tokens for Filipino

PACUTE: 面向菲律宾语的音韵、词缀和字符级词元理解

Jann Railey Montalan, David Demitri Africa, Jimson Paulo Layacan, Richell Isaiah Flores, Ivan Yuri De Leon, Lance Calvin Gamboa

机构 * AI Singapore（AI新加坡） ； Nanyang Technological University（南洋理工大学） ； UK AI Security Institute（英国人工智能安全研究所） ； Ateneo de Manila University（马尼拉雅典耀大学） ； University of Birmingham（伯明翰大学） 纠错

AI总结 提出PACUTE基准，包含4600个任务，通过六层诊断框架评估大语言模型在菲律宾语中的形态理解，发现开放权重模型在语素分解上接近随机，前沿模型在组合任务上远低于字符级上限。

Comments Submitted to EMNLP 2026

Closing the Auto-Research Loop: An AI Co-Scientist for Production Search Ranking

关闭自动研究循环：面向生产搜索排名的AI合作科学家

Liwei Wu, Cho-Jui Hsieh

机构 * Trip.com Group（Trip.com集团） ； UCLA（加州大学洛杉矶分校） 纠错

AI总结 提出AI合作科学家框架，通过LLM代理与云计算集成，自动迭代生成想法、实现代码、进行GPU实验并分析结果，在搜索排名任务中带来额外+0.083%离线增益。

Comments Submitted to EMNLP for review on June 14, 2026

Waste-Bench: A Comprehensive Benchmark for Evaluating VLLMs in Cluttered Environments

Waste-Bench: 一个用于评估在杂乱环境中视觉大型语言模型性能的综合基准

Muhammad Ali, Salman Khan

机构 * Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

AI总结 本文提出Waste-Bench基准，用于评估VLLMs在复杂环境中的鲁棒性和准确性，揭示了提升VLLM在复杂环境性能的必要性。

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing (EMNLP 2025), pp. 31019-31032, 2025

Towards Advanced Mathematical Reasoning for LLMs via First-Order Logic Theorem Proving

迈向基于一阶逻辑定理证明的大语言模型高级数学推理

Chuxue Cao, Mengze Li, Juntao Dai, Jinluan Yang, Zijian Zhao, Shengyu Zhang, Weijie Shi, Chengzhong Liu, Sirui Han, Yike Guo

机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学） 纠错

AI总结 针对大语言模型在多步一阶逻辑数学推理中的困难，提出DREAM方法，通过公理驱动策略多样化和子命题错误反馈提升推理多样性和正确性，在定理证明数据集上性能提升0.6%-6.4%。

Comments Accepted by EMNLP 25

Hidden Ghost Hand: Unveiling Backdoor Vulnerabilities in MLLM-Powered Mobile GUI Agents

隐藏的幽灵之手：揭示MLLM驱动的移动GUI代理中的后门漏洞

Pengzhou Cheng, Haowen Hu, Zheng Wu, Zongru Wu, Tianjie Ju, Zhuosheng Zhang, Gongshen Liu

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Huawei Inc.（华为公司） 纠错

AI总结 本研究提出AgentGhost框架，通过组合目标和交互层触发器，利用监督对比学习和微调注入后门，在移动GUI代理中实现高成功率和隐蔽性，攻击准确率达99.7%。

Comments EMNLP-Findings 2025 (Correcting model settings)

From ASR to ASP: Evaluating Prompt Attack Vulnerabilities Against Open-Source LLMs

从ASR到ASP：评估针对开源大语言模型的提示攻击漏洞

Jiawen Wang, Pritha Gupta, Ivan Habernal, Eyke Hüllermeier, Xiaoxue Gao, Nancy F. Chen

机构 * LMU Munich（慕尼黑莱茵恩大学） ； RUB Bochum（波恩鲁姆大学） ； MCML ； A*STAR（新加坡科技研究局） 纠错

AI总结 提出攻击成功概率（ASP）指标，评估14个开源和3个闭源LLM对提示注入攻击的脆弱性，发现催眠攻击可达约90% ASP，忽略前缀攻击可突破所有开源模型。

Comments 8 pages, 2 figures, EMNLP 2026 under review

CORA: Analyzing and bridging thinking-answer gap in Multimodal RLVR via Consistency-Oriented Reasoning Alignment

CORA: 通过一致性导向的推理对齐分析与弥合多模态RLVR中的思考-答案差距

Jiayue Cao, Zhicong Lu, Xuehan Sun, Wei Jia, Hongling Zheng, Changyuan Tian, Zichuan Lin, Wenqian Lv, Nayu Liu

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Wuhan University（武汉大学） ； Tsinghua University（清华大学） ； Tianjin University（天津大学） 纠错

AI总结 本文分析多模态RLVR中思考与答案的语义不一致问题，提出CORA方法，通过轻量级一致性奖励模型引入语义一致性，并采用混合奖励优势分裂稳定优化，提升推理忠实度。

Comments Submitted to EMNLP 2026

Extrinsic Evaluation of Cultural Competence in Large Language Models

对外评估大型语言模型中的文化素养

Shaily Bhatt, Fernando Diaz

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

AI总结 本文通过两个文本生成任务评估模型在文化敏感性方面的表现，发现文化提示对输出有影响，但不同国家输出的相似性与文化价值观无显著关联。

Comments Accepted to EMNLP Findings 2024

ReliableEval: A Recipe for Stochastic LLM Evaluation via Method of Moments

ReliableEval: 通过矩方法进行随机大语言模型评估的配方

Gili Lior, Eliya Habba, Shahar Levy, Avi Caciularu, Gabriel Stanovsky

机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Google Research（谷歌研究） 纠错

AI总结 本文提出ReliableEval方法，通过矩方法评估大语言模型的提示敏感性，发现顶级模型如GPT-4o和Claude-3.7-Sonnet存在显著提示敏感性。

Comments Findings of EMNLP 2025

Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025, pages 11146-11153, Suzhou, China. Association for Computational Linguistics

Evolution in Simulation: AI-Agent School with Dual Memory for High-Fidelity Educational Dynamics

模拟中的进化：具有双记忆的AI代理学校用于高保真的教育动态

Sheng Jin, Haoming Wang, Zhiqi Gao, Yongbo Yang, Bao Chunjia, Chengliang Wang

机构 * Guanghua Law School, Zhejiang University（浙江大学法学院） ； Faculty of Education, East China Normal University（华东师范大学教育学院） ； School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） ； Department of Electrical and Computer Engineering, University of California San Diego（加州大学圣地亚哥分校电子与计算机工程系） ； Institute of Systems Science, National University of Singapore（新加坡国立大学系统科学研究所） 纠错

AI总结 本文提出AI代理学校系统，通过自演化机制模拟复杂教育动态，采用双记忆结构提升代理认知能力，实验证实其在高保真模拟中的有效性。

Comments 9 pages, 7 figures, EMNLP conference

Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025

Transparent Reference-free Automated Evaluation of Open-Ended User Survey Responses

透明参考-free 自动评估开放式用户调查回应

Subin An, Yugyeong Ji, Junyoung Kim, Heejin Kook, Yang Lu, Josh Seltzer

机构 * Kookmin University（韩国明知大学） ； Sungkyunkwan University（庆尚大学） ； Nexxt Intelligence 纠错

AI总结 本文提出一种两阶段评估框架，用于评估人类开放式调查回应，通过去除无意义回应和评估努力、相关性和完整性，提升自动评估效果。

Comments EMNLP Industry Track

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing: Industry Track

Do Vision-Language Models See or Guess? Measuring and Reducing Textual-Prior Reliance with a Phrasing-Controlled Benchmark

视觉语言模型是看见还是猜测？通过措辞控制基准衡量和减少文本先验依赖

Pratham Singla, Shivank Garg, Vihan Singh, Paras Chopra

机构 * Lossfunk ； Indian Institute of Technology Roorkee（印度理工学院罗尔基分校） ； Raeth AI 纠错

AI总结 本文构建了540张图像的基准，通过为同一图像生成四种措辞变体，衡量视觉语言模型对文本先验的依赖，发现所有模型在最难变体上性能下降，开放模型下降最严重，并通过无图像消融等分析证实了真正的图像依赖。

Comments 17 pages, 7 figures, Submitted to EMNLP 2026

MUDIDI: A Two-Stage Framework for Multilingual Dictionary Digitization with Language Models

MUDIDI：一种基于语言模型的多语言词典数字化两阶段框架

David Setiawan, Temuulen Khishigsuren, Milind Agarwal, Pagnarith Pit, Aso Mahmudi, Ekaterina Vylomova

机构 * School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算与信息系统学院） ； Melbourne School of Psychological Sciences, The University of Melbourne（墨尔本大学墨尔本心理科学学院） ； LILT 纠错

AI总结 提出MUDIDI两阶段框架，结合语言模型实现多语言词典数字化，在字符识别、标记保留和词条分割上优于现有OCR和视觉语言模型，并发布30本公共领域词典的标注数据集。

Comments 9 pages, preprint, submitted to EMNLP 2026

Inside the LLM Word Factory

LLM单词工厂内部

Benzi Busigin, Yuval Pinter

机构 * Stein Faculty of Computer and Information Science（Stein计算机与信息科学学院） 纠错

AI总结 通过激活修补实验，定位Llama2-7B中英语去分词化过程为第1层的两阶段机制：注意力传递非最终子词的令牌特定信号，MLP将其与局部嵌入组合。该结构泛化至八族十二模型，但深度取决于位置编码类型。

Comments 17 pages, 12 figures. Under review at EMNLP 2026

MENTIS: What Belief Changes Under Alignment? Measuring Multi-Scale Latent Torsion in Language Models

MENTIS: 对齐改变了什么信念？语言模型中多尺度潜在扭转的测量

Partha Pratim Saha, Samarth Raina, Mayur Parvatikar, Amit Dhanda, Vinija Jain, Aman Chadha, Amitava Das

机构 * Pragya Lab, BITS Pilani Goa, India（BITS Pilani 去掉 Goa 的机构名，因为该机构名中包含 'Goa'，但根据规则，如果机构已有常见中文名，使用常见中文名。'Pragya Lab, BITS Pilani' 是 BITS Pilani 的一个实验室，因此翻译为 'BITS Pilani 实验室'） ； IIIT Delhi, India（德里印度理工学院） ； Amazon, USA（美国亚马逊） ； Meta, USA（美国Meta） ； Apple, USA（美国苹果） 纠错

AI总结 提出MENTIS框架，通过层间协方差扭转范数、谱扭转诊断和能量-辐射-激活度量，测量偏好对齐在语言模型内部计算中引起的选择性、深度局部的几何结构变化。

Comments Submitted to EMNLP 2026

OATH-Frames: Characterizing Online Attitudes Towards Homelessness with LLM Assistants

OATH-Frames: 利用大语言模型助手分析在线对无家可归者的态度

Jaspreet Ranjit, Brihi Joshi, Rebecca Dorn, Laura Petry, Olga Koumoundouros, Jayne Bottarini, Peichen Liu, Eric Rice, Swabha Swayamdipta

机构 * Dept. of Computer Science, University of Southern California（计算机科学系，南加州大学） ； Suzanne-Dwork School of Social Work, University of Southern California（苏兹曼-道克社会工作学院，南加州大学） 纠错

AI总结 本文提出OATH-Frames框架，通过大语言模型分析社交媒体上的无家可归者态度，提升大规模分析效率并揭示态度趋势。

Comments Project website: https://dill-lab.github.io/oath-frames/, EMNLP Main 2024

Journal ref In Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing

Consistency Training Along the Transformer Stack

沿Transformer堆栈的一致性训练

Sukrati Gautam, Neil Shah, Arav Dhoot, Bryan Maruyama, Caroline Wei, Rohan Kapoor, Robert Sidey, Prakhar Gupta, Zi Cheng Huang, David Demitri Africa

机构 * Purdue University（普渡大学） ； Independent（独立） ； Columbia University（哥伦比亚大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Dartmouth College（达特茅斯学院） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

AI总结 本文通过引入MLP状态和注意力分布的一致性目标，将一致性训练扩展到多种安全威胁，并发现跨威胁泛化及共享机制，证明其作为灵活对齐框架的有效性。

Comments Submitted to EMNLP 2026

AURA: Intent-Directed Probing for Implicit-Need Surfacing in Situated LLM Agents

AURA: 面向情境化LLM代理中隐式需求挖掘的意图导向探测

Yang Li, Jiaxiang Liu, Jiang Cai, Mingkun Xu

机构 * Guangdong Institute of Intelligence Science and Technology（广东省智能科学与技术研究院） 纠错

AI总结 提出AURA方法，通过在场景感知和工具使用之间插入意图推理步骤生成IntentFrame，以结构化估计隐式需求并控制探测预算，在隐式意图基准上提升覆盖率达+0.07，同时减少82%的探测次数并避免隐私违规。

Comments Submitted to EMNLP 2026. Code, simulator, and benchmark: https://github.com/innovation64/AURA

MAviS: A Multimodal Conversational Assistant For Avian Species

MAviS：一种用于鸟类物种的多模态对话助手

Yevheniia Kryklyvets, Mohammed Irfan Kurpath, Sahal Shaji Mullappilly, Jinxing Zhou, Fahad Shabzan Khan, Rao Anwer, Salman Khan, Hisham Cholakkal

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

AI总结 本文提出MAviS数据集和MAviS-Chat模型，通过整合图像、音频和文本信息，提升对鸟类物种的细粒度理解与多模态问答能力，并展示了在生态应用中领域适应的多模态大语言模型的重要性。

Comments EMNLP 2025