创造性思维，无限幽默：通过结构化思维跳跃的大语言模型幽默研究
人工智能
2025-04-14 v2
摘要
幽默此前被视为仅限于人的专属礼物。幽默是人类语言中文化细腻的方面，给其理解和生成带来挑战。幽默生成需要以恰当的理由为基础的多跳推理过程。尽管许多研究如GPT-o1等聚焦于带有反思和纠正的逻辑推理，但仍在幽默生成方面不足。由于创造性思维中知识图的稀疏性，实现多跳推理颇具困难。因此，本文提出了更稳健的框架来解决幽默推理任务，称为LoL。LoL旨�通过注入外部信息来缓解知识图的稀疏性，从而实现多跳推理。在LoL的第一个阶段，我们提出了一种自动指令演化方法以纳入幽默背后的更深层次和更广泛的思维过程。设计以判决为导向的指令以增强模型的判决能力，动态补充和更新稀疏知识图。随后，通过强化学习，从GPT-4o提取每个在线生成响应的推理逻辑。在此过程中，引入外部知识以辅助模型进行逻辑推理和学习人类偏好。最终，实验结果表明，这两个过程的结合能够增强模型的判决能力和生成能力。这些发现深化了我们对大语言模型（LLMs）创造能力的理解，并为跨领域创新应用提升LLMs创造力提供了方法。
引用
@article{arxiv.2410.10370,
title = {Innovative Thinking, Infinite Humor: Humor Research of Large Language Models through Structured Thought Leaps},
author = {Han Wang and Yilin Zhao and Dian Li and Xiaohan Wang and Gang Liu and Xuguang Lan and Hui Wang},
journal= {arXiv preprint arXiv:2410.10370},
year = {2025}
}