論文の概要: HumorPlanSearch: Structured Planning and HuCoT for Contextual AI Humor

• arxiv url: http://arxiv.org/abs/2508.11429v1
• Date: Fri, 15 Aug 2025 12:07:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-18 14:51:23.944261
• Title: HumorPlanSearch: Structured Planning and HuCoT for Contextual AI Humor
• Title（参考訳）: HumorPlanSearch: コンテキストAIのための構造化計画とHuCoT
• Authors: Shivam Dubey,
• Abstract要約: HumorPlanSearchは、多様なトピックに適した戦略を通じてコンテキストを明示的にモデル化するモジュールパイプラインである。 コンテクストの感度と喜劇的品質を評価するために,直接評価,マルチペルソナフィードバック,ペアワイズウインレート,トピック関連性を融合したHumor Generation Score (HGS)を提案する。
• 参考スコア（独自算出の注目度）: 0.5076419064097734
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated humor generation with Large Language Models (LLMs) often yields jokes that feel generic, repetitive, or tone-deaf because humor is deeply situated and hinges on the listener's cultural background, mindset, and immediate context. We introduce HumorPlanSearch, a modular pipeline that explicitly models context through: (1) Plan-Search for diverse, topic-tailored strategies; (2) Humor Chain-of-Thought (HuCoT) templates capturing cultural and stylistic reasoning; (3) a Knowledge Graph to retrieve and adapt high-performing historical strategies; (4) novelty filtering via semantic embeddings; and (5) an iterative judge-driven revision loop. To evaluate context sensitivity and comedic quality, we propose the Humor Generation Score (HGS), which fuses direct ratings, multi-persona feedback, pairwise win-rates, and topic relevance. In experiments across nine topics with feedback from 13 human judges, our full pipeline (KG + Revision) boosts mean HGS by 15.4 percent (p < 0.05) over a strong baseline. By foregrounding context at every stage from strategy planning to multi-signal evaluation, HumorPlanSearch advances AI-driven humor toward more coherent, adaptive, and culturally attuned comedy.
• Abstract（参考訳）: LLM(Large Language Models)による自動ユーモア生成は、ユーモアが深く位置しており、リスナーの文化的背景、考え方、即時的な文脈に依存しているため、一般的な、反復的、あるいはトーン聴覚を感じるジョークをもたらすことが多い。 1)多様でトピックに適した戦略の計画探索,(2)文化的およびスタイリスティックな推論を捉えるHuCoTテンプレート,(3)ハイパフォーマンスな歴史的戦略の検索と適応のための知識グラフ,(4)セマンティックな埋め込みによる新規なフィルタリング,(5)反復的な判断駆動リビジョンループ。 コンテクストの感度と喜劇的品質を評価するために,直接評価,マルチペルソナフィードバック,ペアワイズウインレート,トピック関連性を融合したHumor Generation Score (HGS)を提案する。 13人の審査員からフィードバックを受けた9つのトピックの実験において、我々の完全なパイプライン(KG + Revision)は、強いベースラインに対して平均 HGS を15.4%(p < 0.05)押し上げる。 HumorPlanSearchは、戦略計画から多信号評価まで、あらゆる段階でコンテキストをフォアグラウンド化することによって、AI駆動のユーモアを、より一貫性があり、適応的で、文化的に直感的なコメディへと前進させる。

関連論文リスト

• From Punchlines to Predictions: A Metric to Assess LLM Performance in Identifying Humor in Stand-Up Comedy [6.124881326867511]
  大きな言語モデルが広く採用されていることを踏まえ、ユーモアとAIの交わりは笑い事ではない。 本研究では,スタンドアップコメディの書き起こしからユーモラスな引用を正確に識別するモデルの有効性を評価する。 ユーモラスなパンチラインを抽出する能力について,様々なプロンプトの中からLLMを評価するために考案された新しいユーモラス検出指標を提案する。
  論文  参考訳（メタデータ） (2025-04-12T02:19:53Z)
• Can Pre-trained Language Models Understand Chinese Humor? [74.96509580592004]
  本論文は,事前学習言語モデル(PLM)のユーモア理解能力を体系的に研究する最初の論文である。 提案した評価フレームワークのすべてのデータ要件を完全に満たす中国の総合的ユーモアデータセットを構築した。 中国のユーモアデータセットに関する実証的研究は、ユーモア理解と生成におけるPLMの将来の最適化に非常に役立つ貴重な観察結果をもたらす。
  論文  参考訳（メタデータ） (2024-07-04T18:13:38Z)
• Humor Mechanics: Advancing Humor Generation with Multistep Reasoning [11.525355831490828]
  マルチステップ推論を用いたユーモア生成のための動作プロトタイプを開発した。 提案手法を,人間によるジョーク,ゼロショットGPT-4生成ユーモア,その他ベースラインと比較した。 以上の結果から,多段階推論手法は生成したユーモアの質を継続的に改善することが示された。
  論文  参考訳（メタデータ） (2024-05-12T13:00:14Z)
• OxfordTVG-HIC: Can Machine Make Humorous Captions from Images? [27.899718595182172]
  ユーモア生成と理解のための大規模データセットであるOxfordTVG-HIC(Humorous Image Captions)を提案する。 OxfordTVG-HICは幅広い感情的・意味的な多様性を特徴とし、アウト・オブ・コンテクストの例である。 我々は、生成されたテキストのユーモアを評価するために、OxfordTVG-HICをどのように活用できるかを示す。
  論文  参考訳（メタデータ） (2023-07-21T14:58:44Z)
• ExPUNations: Augmenting Puns with Keywords and Explanations [88.58174386894913]
  我々は、キーワードの詳細なクラウドソースアノテーションで既存の句のデータセットを拡張する。 これは、パント専用の広範囲できめ細かなアノテーションを備えた最初のユーモアデータセットである。 句分類支援のための説明生成とキーワード条件付き句生成という2つのタスクを提案する。
  論文  参考訳（メタデータ） (2022-10-24T18:12:02Z)
• Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results [84.37263300062597]
  風は人間の社会的行動、感情、認知の重要な要素である。 現在のユーモア検出法は、ステージ化されたデータのみに基づいており、「現実世界」の応用には不十分である。 約11時間の記録を含むPassau-Spontaneous Football Coach Humorデータセットを導入することで,この障害への対処に寄与する。
  論文  参考訳（メタデータ） (2022-09-28T17:36:47Z)
• Predicting the Humorousness of Tweets Using Gaussian Process Preference Learning [56.18809963342249]
  本稿では,人間の嗜好判断と言語アノテーションの自動生成を利用して,短文のユーモラスさのランク付けと評価を学習する確率論的アプローチを提案する。 本研究は, HAHA@IberLEF 2019データにおける数値スコアの変換と, 提案手法に必要な判定アノテーションの相互変換から生じる問題点について報告する。
  論文  参考訳（メタデータ） (2020-08-03T13:05:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。