論文の概要: RAM-SD: Retrieval-Augmented Multi-agent framework for Sarcasm Detection

• arxiv url: http://arxiv.org/abs/2601.17002v1
• Date: Wed, 14 Jan 2026 03:19:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 02:21:38.478648
• Title: RAM-SD: Retrieval-Augmented Multi-agent framework for Sarcasm Detection
• Title（参考訳）: RAM-SD:Sarcasm検出のための検索拡張マルチエージェントフレームワーク
• Authors: Ziyang Zhou, Ziqi Liu, Yan Wang, Yiming Lin, Yangbin Chen,
• Abstract要約: RAM-SDは、Sarcasm Detectionのための検索拡張マルチエージェントフレームワークである。 2)メタプランナはサルクサム型を分類し,事前定義された集合から最適な推論計画を選択し,(3)特殊エージェントのアンサンブルは相補的で多視点的な分析を行う。 RAM-SDは4つの標準ベンチマークで評価され、最先端のマクロF1の77.74%を達成し、GPT-4o+CoCベースラインの7.01を上回った。
• 参考スコア（独自算出の注目度）: 17.814793753195723
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sarcasm detection remains a significant challenge due to its reliance on nuanced contextual understanding, world knowledge, and multi-faceted linguistic cues that vary substantially across different sarcastic expressions. Existing approaches, from fine-tuned transformers to large language models, apply a uniform reasoning strategy to all inputs, struggling to address the diverse analytical demands of sarcasm. These demands range from modeling contextual expectation violations to requiring external knowledge grounding or recognizing specific rhetorical patterns. To address this limitation, we introduce RAM-SD, a Retrieval-Augmented Multi-Agent framework for Sarcasm Detection. The framework operates through four stages: (1) contextual retrieval grounds the query in both sarcastic and non-sarcastic exemplars; (2) a meta-planner classifies the sarcasm type and selects an optimal reasoning plan from a predefined set; (3) an ensemble of specialized agents performs complementary, multi-view analysis; and (4) an integrator synthesizes these analyses into a final, interpretable judgment with a natural language explanation. Evaluated on four standard benchmarks, RAM-SD achieves a state-of-the-art Macro-F1 of 77.74%, outperforming the strong GPT-4o+CoC baseline by 7.01 points. Our framework not only sets a new performance benchmark but also provides transparent and interpretable reasoning traces, illuminating the cognitive processes behind sarcasm comprehension.
• Abstract（参考訳）: サーカスムの検出は、微妙な文脈的理解、世界的知識、様々なサーカス的な表現で大きく異なる多面的な言語的手がかりに依存しているため、依然として重要な課題である。 既存のアプローチでは、微調整変換器から大規模言語モデルまで、全ての入力に対して一様推論戦略を適用しており、サルカズムの多様な解析的要求に対処するのに苦労している。 これらの要求は、文脈予測違反のモデル化から、外部知識の基盤となること、あるいは特定の修辞的パターンを認識することまで様々である。 この制限に対処するため,Sarcasm DetectionのためのRAM-SD(Retrieval-Augmented Multi-Agent framework)を導入する。 このフレームワークは,(1)サーカスタム型と非サーカスタム型の両方における問合せを,(2)メタプランナーがサルカスタム型を分類し,事前定義された集合から最適な推論計画を選択する,(3)専門エージェントのアンサンブルが補完的,多視点的な分析を行い,(4)インテグレータがこれらの分析結果を,自然言語の説明による最終的な解釈可能な判断に合成する,という4段階を通して機能する。 RAM-SDは4つの標準ベンチマークで評価され、最先端のマクロF1の77.74%を達成し、GPT-4o+CoCベースラインの7.01ポイントを上回った。 我々のフレームワークは、新しいパフォーマンスベンチマークを設定するだけでなく、透明で解釈可能な推論トレースを提供し、サルカズム理解の背後にある認知過程を照らす。

関連論文リスト

• SEVADE: Self-Evolving Multi-Agent Analysis with Decoupled Evaluation for Hallucination-Resistant Irony Detection [11.652782877761446]
  本稿では,**D**ecoupled **E**valuation for hallucination-resistant sarcasm detectionについて,**Self-**Ev**olving multi-agent **A**nalysis frameworkを提案する。 我々のフレームワークは最先端のパフォーマンスを実現しており、平均的な精度では**6.75%*、マクロF1スコアでは***6.29%*である。
  論文  参考訳（メタデータ） (2025-08-09T03:25:45Z)
• PrismRAG: Boosting RAG Factuality with Distractor Resilience and Strategized Reasoning [57.89188317734747]
  PrismRAGはこのモデルを、イントラクタを意識したQAペアで訓練し、金の証拠と微妙なイントラクタパスを混合する。 LLMを計画し、合理化し、人間工学的な指示に頼らずに合成する推論中心の習慣を取り入れている。
  論文  参考訳（メタデータ） (2025-07-25T00:15:31Z)
• Commander-GPT: Fully Unleashing the Sarcasm Detection Capability of Multi-Modal Large Language Models [10.47267683821842]
  サルカズム検出のための革新的なマルチモーダルコマンド-GPTフレームワークを提案する。 軍事戦略にインスパイアされ、まずサルカズム検出タスクを6つの異なるサブタスクに分解する。 中央の指揮官(意思決定者)は、それぞれの特定のサブタスクに対処するために最も適した大きな言語モデルを割り当てる。 F1スコアは19.3%向上した。
  論文  参考訳（メタデータ） (2025-03-24T13:53:00Z)
• Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [69.01029651113386]
  Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。 コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。 Embodied-RAGがRAGをロボット領域に効果的にブリッジし、250以上の説明とナビゲーションクエリをうまく処理できることを実証する。
  論文  参考訳（メタデータ） (2024-09-26T21:44:11Z)
• SarcasmBench: Towards Evaluating Large Language Models on Sarcasm Understanding [19.412462224847086]
  異なるプロンプト手法を用いて,広く使用されている6つのベンチマークデータセットの評価を行った。 GPT-4 は様々なプロンプト法で他の LLM よりも一貫して著しく優れている。 ゼロショットIOプロンプト法は、ゼロショットIOと少数ショットCoTという2つの方法より優れている。
  論文  参考訳（メタデータ） (2024-08-21T03:59:51Z)
• PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
  本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。 タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。 課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
  論文  参考訳（メタデータ） (2024-08-18T13:51:01Z)

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。