凭 imagination 的翅膀：基于 GTVH 的冲突脚本多角色框架用于幽默描述生成
计算与语言
2026-02-09 v1
摘要
幽默是日常语言中常用且复杂的表达方式。幽默生成，特别是在多模态场景中，是大型语言模型（LLM）面临的挑战，通常表现为为图像生成有趣的描述，需要视觉理解、幽默推理、创造性想象等。现有LLM方法依赖推理链或自我改进，存在创造力和可解释性有限的问题。为此，我们基于基本的幽默理论GTVH，开发了一种新的LLM幽默生成机制。为生成搞笑且与脚本相反的描述，我们引入了增强了幽默检索（HOMER）的多角色LLM协作框架。该框架包括三个LLM角色：(1) 冲突脚本提取器，以关键脚本对立性为基础生成幽默内容；(2) 检索增强的层次化想象者，通过结构化为想象树的多样关联识别关键幽默目标并扩大其创意空间；(3) 描述生成器，依据获取的知识生成搞笑且多样化的描述。针对两个纽约画廊漫画基准数据集进行大量实验，表明HOMER在多模态幽默描述生成方面优于最先进的基线方法和强大的LLM推理策略。
引用
@article{arxiv.2602.06423,
title = {On the Wings of Imagination: Conflicting Script-based Multi-role Framework for Humor Caption Generation},
author = {Wenbo Shang and Yuxi Sun and Jing Ma and Xin Huang},
journal= {arXiv preprint arXiv:2602.06423},
year = {2026}
}
备注
Paper accepted as a conference paper at ICLR 2026