SemEval-2025 Task 1：AdMIRe —— 推进多模态习语表达表示

习语表达在自然语言处理中 presents a unique 挑战，因为它们的含义往往无法直接从组成单词中推断出来。尽管近期在大型语言模型（LLMs）方面取得了进展，但习语性仍是实现稳健语义表示的重要障碍。我们提供数据集和任务，用于 SemEval-2025 Task 1：AdMiRe（Advancing Multimodal Idiomaticity Representation），该任务挑战社区提高模型在多模态语境和多语言环境中解释习语表达的能力。参赛者在两个子任务中进行竞赛：根据习语或字面含义对图像进行排序，以及预测序列中的下一个图像。最有效的方法通过利用预训练的大型语言模型和视觉语言模型在混合专家设置中实现了接近人类水平的性能，其中使用了多个查询来平滑这些模型对习语性表示的弱点。