面向讽刺检测的检索增强多智能体框架 RAM-SD
计算与语言
2026-01-27 v1
摘要
讽刺检测仍然是一个重大挑战，因其依赖细致的上下文理解、世界知识以及多方面语言线索，这些线索在不同的讽刺表达方式上差异显著。现有方法，从微调的 transformer 到大型语言模型，都应用统一的推理策略处理所有输入，难以应对讽刺的多样化分析需求。这些需求范围从建模情境期望违背到需要外部知识 grounding 或识别特定修辞模式。为此，我们引入 RAM-SD，即检索增强多智能体框架用于讽刺检测。该框架经历四个阶段：（1）上下文检索将查询置于讽刺与非讽刺范例中；（2）meta-planning 器分类讽刺类型并从预定义集合中选择最优推理计划；（3）一组专门智能体执行互补的多视角分析；（4）integrator 将这些分析综合为最终可解释的判断并提供自然语言解释。在四个标准基准数据集上进行评估，RAM-SD 实现了 77.74% 的 Macro-F1 均值，超越强大的 GPT-4o+CoC baseline 提升了 7.01 分。我们的框架不仅设立了新的性能基准，还提供透明且可解释的推理痕迹，阐明了讽刺理解的认知过程。
引用
@article{arxiv.2601.17002,
title = {RAM-SD: Retrieval-Augmented Multi-agent framework for Sarcasm Detection},
author = {Ziyang Zhou and Ziqi Liu and Yan Wang and Yiming Lin and Yangbin Chen},
journal= {arXiv preprint arXiv:2601.17002},
year = {2026}
}
备注
12 pages, 4 figures, 6 tables, preprint