破解错位密码：AI 模型能否理解幽默的矛盾

近年来，大型多模态语言模型的快速发展在广泛的任务上展现了惊人的能力。然而，这些模型仍在理解通过错位所构成的人类幽默细微差别方面存在挑战，尤其是那些涉及非线性叙事的幽默线索。本文聚焦于包含矛盾叙事的漫画，通过每个漫画由两个面板构成以制造幽默矛盾的方式来探讨这一挑战。我们引入了YesBut基准测试，包含不同难度的任务，用于评估AI在识别和解释这些漫画方面的能力，涵盖从字面内容理解到深层叙事推理。通过大量实验和对近期商业或开源大型（视觉）语言模型的分析，我们评估了其理解这些漫画中内在叙事幽默的复杂相互作用的能力。我们的结果表明，即便是最先进的模型在该任务上仍落后于人类水平。我们的发现为理解AI在人类创造表达方面存在的当前局限性及潜在改进提供了见解。