CHARM：基于LLM的多模态讽刺检测的电荷校准与声学救援

讽刺检测，即识别字面意义与预期意义之间的差异，是情感计算中的一项基本任务。然而，零样本指令微调的大型语言模型（LLM）在整个能力谱系上系统性地过度预测正面（讽刺）类别，而人类所依赖的韵律线索仍未得到充分利用，并且在不同语言间的迁移效果不均。我们提出了CHARM（用于多模态讽刺检测的电荷校准与声学救援），一个无需训练的框架，它结合了两个模块。双向电荷校准（BiCAL）沿着对称的带电提示轴引导LLM得出相反的讽刺和字面判断；由此产生的方向性偏差在构造上相互抵消，简单的聚合即可恢复无偏的语用信号。声学后期融合救援（ALFR）随后通过浅层分类器将校准后的投票与韵律描述符和LLM生成的听觉感知探针融合，主动降低饱和文本投票的权重，转而支持声学证据。在无需微调任何主干网络的情况下，BiCAL在MUStARD上达到了最高的零样本文本-only Macro-F1分数0.787，而ALFR在CMMA上将弱主干网络的Macro-F1提升了高达+0.382。Stouffer元分析确认了在MUStARD和CMMA上的统计显著性（分别为Z = 13.89和Z = 34.64；p < 10^-43）。我们的分析进一步揭示了一种跨文化的韵律解耦：低级声学特征无法跨语言迁移，而高级感知抽象则保持稳健。这些组件共同构成了一个可解释的、跨语言的多模态检测器。