引言

EMNLP 2025于2025年11月5日至9日在中国苏州召开，据公开信息显示，大会共接收约1600篇文章，长论文接收率23.3%、短论文接收率14%，整体接收率达21.3%。

今天给大家带来EMNLP2025 顶会获奖论文全解析！覆盖大模型数据审计、低资源语言保护、价值观对齐等8大核心赛道，每篇都是解决行业痛点的突破性成果，NLP人必看干货合集～

EMNLP2025

接下来让我们一起来看一下相关的获奖论文吧！

➔➔➔➔点击查看原文，获取获奖论文合集https://mp.weixin.qq.com/s/NXndX4P61z_toisDFEvrOA

Best Paper:

INFINI-GRAM MINI首页

🏆 Best Paper | INFINI-GRAM MINI: Exact n-gram Search at the Internet Scale with FM-Index

核心问题：LLM训练数据迈入PB级时代，传统后缀数组等技术因存储开销爆炸，无法实现海量数据的高效精确n-gram搜索，导致基准数据污染检测、训练数据审计等关键需求难以落地。

核心方法：创新性引入生物信息学领域的FM-index数据结构，通过高效索引与压缩技术，将索引体积压缩至原始语料库的44%，突破存储瓶颈；搭建Benchmark Contamination Bulletin污染监测平台，对24个主流LLM基准开展全面污染筛查。

Overview of INFINI-GRAM MINI.

关键优势：首次实现PB级文本的可扩展精确搜索，速度与存储效率双突破；揭露MMLU、GSM8K等核心基准的严重污染现状（GSM8K污染率高达74.2%，且多数污染样本附带正确答案），为LLM评估去伪存真、高质量数据集构建提供刚需工具，填补行业空白。

论文地址：https://aclanthology.org/2025.emnlp-main.1268/

代码地址：https://github.com/liujch1998/infini-gram

Outstanding Papers:

🌟 Outstanding Paper 1 | LINGGYM: How Far Are LLMs from Thinking Like Field Linguists?

核心问题：LLMs在英语、中文等高资源语言中表现惊艳，但面对类型学多样的低资源语言（尤其是濒危语言），其元语言推理与抽象泛化能力严重不足，且缺乏针对性评估体系。

核心方法：构建LINGGYM基准套件，从18种低资源语言的权威参考语法中，提取行间加注文本（IGT）实例与结构化知识点（KPs）；设计“词汇-词法推理”核心任务，要求模型结合上下文与语言学线索，完成缺失词汇/词法注释的多项选择推断。

An illustration of how IGT data is transformed into a multiple-choice question for evaluating an LLM

关键优势：全球首个全面评估LLMs元语言推理能力的基准，证实结构化语言学线索（词法规则、知识点、英文翻译）可显著提升模型表现（DeepSeek-R1 32B准确率达81%）；为濒危语言文档化、语言学田野调查提供AI辅助方案，推动语言多样性保护与低资源语言NLP发展。

论文地址：https://aclanthology.org/2025.emnlp-main.69/

代码地址：暂未公开，持续关注作者团队更新

🌟 Outstanding Paper 2 | Mind the Value-Action Gap: Do LLMs Act in Alignment with Their Values?

核心问题：现有LLM价值观对齐评估仅停留在“模型自述价值倾向”层面，忽略社会心理学中的“价值-行动差距”——模型口头认同的价值观，未必能转化为实际场景中的价值一致行为，存在潜在偏见与安全风险。

核心方法：提出ValueActionLens评估框架，基于Schwartz基本价值观理论与多文化背景，构建含14.8k条基于价值观的行动（VIA）数据集，通过人机协同标注保障数据质量；设计“价值陈述”与“生成行动”双任务，量化模型在两种场景下的一致性。

ValueActionLens framework

关键优势：首次系统性量化LLM的价值-行动错位率（14.25%-19.22%），揭示模型“言行不一”的核心痛点；推动价值观对齐评估从“自述导向”转向“行动导向+上下文感知”，为构建更安全、可靠的实用型AI提供评估范式。

论文地址：https://aclanthology.org/2025.emnlp-main.154/

代码地址：https://github.com/huashen218/value_action_gap

🌟 Outstanding Paper 3 | DiscoSG: Towards Discourse-Level Text Scene Graph Parsing through Iterative Graph Refinement

核心问题：传统文本场景图解析局限于单句，无法应对VLMs生成的多句复杂话语级描述，面临跨句指代消解、长程语义依赖捕获、隐式关系推断三大挑战，导致图谱碎片化、语义不一致。

核心方法：定义全新DiscoSG任务，发布DiscoSG-DS大规模数据集（图谱密度为现有数据集3倍，专门适配话语级语义）；提出两阶段DiscoSG-Refiner框架：先合并句子级解析结果生成初始图谱，再通过轻量级PLM作为“Programmer”，学习解耦的删除/插入编辑操作，迭代精炼图谱质量。

Illustration of the iterative scene graph refinement process in the DiscoSG-Refiner framework.

关键优势：效率碾压大模型方案（比GPT-4o快86倍），SPICE指标较最强基线提升30%；具备跨图谱密度的泛化能力，为话语级标注评估、VLMs幻觉检测、多句语义理解等下游任务提供高效开源解决方案。

论文地址：https://aclanthology.org/2025.emnlp-main.398/

代码地址：https://github.com/ShaoqLin/DiscoSG

🌟 Outstanding Paper 4 | Generative or Discriminative? Revisiting Text Classification in the Era of Transformers

核心问题：Transformer时代，生成式与判别式分类器的选型缺乏系统性对比，AI工程师难以根据实际约束（模型规模、数据量、输入噪声、延迟需求）选择最优架构。

核心方法：首次大规模从零训练并对比四种主流Transformer范式——基于编码器的分类器（ENC）、自回归模型（AR）、掩码语言模型（MLM，伪生成式）、离散扩散模型（DIFF）；从准确性、校准度、噪声鲁棒性三大维度，覆盖不同数据量、模型规模、输入噪声场景的全面评估。

Illustration of different modeling paradigms

关键优势：给出清晰选型指南：数据充足时12层MLM的F1性能最优；低延迟场景选ENC（高效且抗噪）；低资源环境下AR和DIFF表现突出（DIFF抗噪性顶尖）；打破“生成式=更优”的固有认知，为工业界实际部署提供基于实证的架构选择依据。

论文地址：https://aclanthology.org/2025.emnlp-main.486/

代码地址：https://github.com/amazon-science/Generative-vs-Discriminative-Classifiers

🌟 Outstanding Paper 5 | Measuring Chain of Thought Faithfulness by Unlearning Reasoning Steps

核心问题：LLM思维链（CoT）的“忠实性”存疑——CoT文本是否真实反映模型内部推理过程？传统上下文扰动法易混淆上下文与模型参数的影响，无法精准衡量。

核心方法：提出参数忠实性框架（PFF），实例化“遗忘推理步骤的忠实性”（FUR）方法；采用负偏好优化（NPO）技术，针对性移除模型FF2层中某一CoT推理步骤的知识；通过FF-SOFT指标量化模型预测概率转移与CoT文本变化，判断该步骤的因果作用。

An illustration of PFF and FUR.

关键优势：首次实现上下文与参数影响的精准分离，为CoT忠实性提供机械论衡量工具；证实被遗忘的推理步骤对模型预测存在真实因果贡献，推动LLM内部推理机制的可解释性研究。

论文地址：https://aclanthology.org/2025.emnlp-main.504/

代码地址：https://github.com/technion-cs-nlp/parametric-faithfulness

🌟 Outstanding Paper 6 | MiCRo: Mixture Modeling and Context-aware Routing for Personalized Preference Learning

核心问题：LLM对齐常用的Bradley-Terry（BT）模型假设“单一全局奖励函数”，无法捕捉人类偏好的异构性与个性化需求，在混合偏好分布场景下存在不可消除的系统误差。

核心方法：提出两阶段MiCRo框架：第一阶段训练上下文感知混合奖励模型，将聚合偏好分解为多个潜在子群体的独立奖励函数；第二阶段采用基于Hedge算法的在线路由策略，利用用户意图等上下文信息，动态调整混合头权重，适配个性化需求。

Illustration of the two-stage pipeline of MiCRo for capturing personalized preferences

关键优势：高效解耦复杂人类偏好，性能超越单头模型与静态混合模型；轻量级在线路由学习支持少量标注样本快速适配新场景，为构建以用户为中心的个性化AI系统提供可扩展方案。

论文地址：https://aclanthology.org/2025.emnlp-main.882/

代码地址：https://github.com/uiuctml/MiCRo

🌟 Outstanding Paper 7 | Causal Interventions Reveal Shared Structure Across English Filler–Gap Constructions

核心问题：LMs处理疑问句、关系从句等不同“填空-间隔”句法结构时，是否共享底层计算机制？此前缺乏机械论层面的明确证据，难以支撑语言学理论验证。

核心方法：基于机制可解释性的因果抽象框架，采用分布式互换干预（通过DAS框架实现），将一种句法结构的“填空-间隔”处理机制，精确转移到另一种结构上，观察其因果效应；分析填充词类型匹配、频率、上下文等因素的影响。

Causal interventionoverview.

关键优势：首次为“不同填空-间隔结构共享底层机制”的语言学假设提供机械论证据；揭示LMs处理长距离句法依赖的内部逻辑，为语言学理论与NLP模型可解释性的交叉研究开辟新路径。

论文地址：https://aclanthology.org/2025.emnlp-main.1271/

代码地址：https://github.com/SashaBoguraev/causal-filler-gap

➔➔➔➔点击查看原文，获取获奖论文合集https://mp.weixin.qq.com/s/NXndX4P61z_toisDFEvrOA