基于 RAG 的 grounded satirical 生成
计算与语言
2026-05-12 v1
摘要
幽默生成仍是大型语言模型（LLMs）的挑战任务，由于其主观性。我们聚焦于讽刺，这种幽默形式受上下文影响很大。本文提出一种新型管道，用于在芬兰语境下使用检索增强生成（RAG）从当前新闻中生成带注释的讽刺定义。我们还引入了新的任务特定评估框架，对100个生成的定义进行了六位人类标注员注释，使我们能够分析多个实验条件，包括文化背景、源词类型以及 RAG 的有无。我们的结果显示，生成的定义被认为比幽默更政治。主题词选择和 RAG 均提高了输出的政治相关性，但Neither 明显提升了幽默生成。此外，我们的 LLM 作为评判家对五个最先进模型的评估显示，LLMs 在政治相关性方面与人类判断高度相关，但在幽默方面表现不佳。我们发布代码和标注数据集，以支持进一步的 grounded satirical 生成和评估研究。
引用
@article{arxiv.2605.10853,
title = {Grounded Satirical Generation with RAG},
author = {Oona Itkonen and Yuxin Su and Linyao Du and Ona De Gibert},
journal= {arXiv preprint arXiv:2605.10853},
year = {2026}
}