HumorPlanSearch：用于情境化AI幽默的结构化规划与HuCoT
计算与语言
2025-08-18 v1
摘要
使用大型语言模型（LLM）自动生成幽默往往会产生感觉通用、重复或不合时宜的笑话，因为幽默是深度情境化的，并取决于听众的文化背景、心态和即时环境。我们引入了HumorPlanSearch，一个模块化流水线，通过以下方式显式建模情境：（1）用于多样化、主题定制策略的Plan-Search；（2）捕捉文化和风格推理的Humor Chain-of-Thought（HuCoT）模板；（3）用于检索和改编高性能历史策略的知识图谱；（4）通过语义嵌入进行新颖性过滤；以及（5）迭代的评判者驱动的修订循环。为了评估情境敏感性和喜剧质量，我们提出了幽默生成分数（HGS），它融合了直接评分、多角色反馈、成对胜率和主题相关性。在涉及13位人类评判者反馈的九个主题的实验中，我们的完整流水线（KG + 修订）将平均HGS比强基线提高了15.4%（p < 0.05）。通过在从策略规划到多信号评估的每个阶段都突出情境，HumorPlanSearch推动AI驱动的幽默朝着更连贯、更适应和更具文化敏感性的喜剧发展。
引用
@article{arxiv.2508.11429,
title = {HumorPlanSearch: Structured Planning and HuCoT for Contextual AI Humor},
author = {Shivam Dubey},
journal= {arXiv preprint arXiv:2508.11429},
year = {2025}
}