論文の概要: Re-defining Humor Data Objects for AI Humor Research

• arxiv url: http://arxiv.org/abs/2605.25171v1
• Date: Sun, 24 May 2026 17:05:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.936535
• Title: Re-defining Humor Data Objects for AI Humor Research
• Title（参考訳）: AIのHumor ResearchのためのHumor Data Objectを再定義する
• Authors: Anna Arnett, Bang Nguyen, Meng Jiang,
• Abstract要約: 我々は、ユーモアの概念を文脈や説明との社会的相互作用として探求する。 一般市民に有効なユーモアの説明をLCMに促す方法を開発した。
• 参考スコア（独自算出の注目度）: 19.474366161514826
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In most existing AI humor research, humor was treated as either "present" or "not present." We explore the concept of humor as a social interaction with context and explanations. During this project, we defined a humor reasoning data object and developed a way to prompt LLMs to generate an explanation of humor effective for general population. We iterated from an earlier prompt to an improved prompt, found that the later version reduced important errors, and then scaled generation to a large number of data objects which have the potential to enable data synthesis and data augmentation for AI humor research. Our main takeaway is that better prompting of an LLM improves humor explanation quality, especially by handling missing context, multi-modality, and transcript issues more carefully. These results establish a strong foundation for future work on AI understanding of humor as social behavior.
• Abstract（参考訳）: 既存のAIユーモア研究では、ユーモアは「現在」または「存在しない」として扱われていた。 我々はユーモアの概念を文脈や説明との社会的相互作用として探求する。 本プロジェクトでは, ユーモア推論データオブジェクトを定義し, 一般市民に有効なユーモアの説明をLCMに促す方法を開発した。 初期のプロンプトから改良されたプロンプトまで繰り返し、後者のバージョンは重要なエラーを減らし、AIユーモア研究のためにデータ合成とデータ拡張を可能にする可能性を持つ多数のデータオブジェクトに生成を拡大した。 我々の主な特徴は、LLMのより良いプロンプトはユーモラスな説明の質を改善することであり、特に、欠落した文脈、マルチモダリティ、書き起こしの問題をより慎重に扱うことによってである。 これらの結果は、ユーモアを社会行動として理解するAI研究の強力な基盤となる。

関連論文リスト

• Engagement Undermines Safety: How Stereotypes and Toxicity Shape Humor in Language Models [55.98686105081078]
  大規模言語モデルは、クリエイティブな執筆やエンゲージメントコンテンツにますます使われ、アウトプットに対する安全性の懸念が高まっている。 本研究は, 現代のLLMパイプラインにおいて, ユーモア, 立体特異性, 毒性を測定することによって, 有害な内容とどのように結合するかを評価する。
  論文  参考訳（メタデータ） (2025-10-21T09:28:09Z)
• Who's Laughing Now? An Overview of Computational Humour Generation and Explanation [21.197328006274578]
  我々は、創造と説明の創造的なタスクに関連する計算ユーモアの風景を調査する。 基礎的なNLPタスクのすべての目印を包含するユーモアを理解するタスクにもかかわらず、ペストを超えたユーモアの生成と説明の作業はいまだに疎いままである。 本稿では,ユーモアの主観的かつ倫理的にあいまいな性質を考慮に入れた研究の今後の方向性について広範な議論を行う。
  論文  参考訳（メタデータ） (2025-09-25T13:56:56Z)
• One Joke to Rule them All? On the (Im)possibility of Generalizing Humor [11.819634993950544]
  大規模言語モデル(LLM)はユーモアのタイプをまたいで一般化できなければならない。 実験では、モデルが何らかの転送が可能なことを明らかにし、未知のデータセットで最大75%の精度に達することができる。 さらなる分析は、ダッド・ジュークスがトランスファーの最良の実現手段として驚くほど現れているユーモアのタイプ間の関係を示唆している。
  論文  参考訳（メタデータ） (2025-08-26T19:55:40Z)
• 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)
• Getting Serious about Humor: Crafting Humor Datasets with Unfunny Large Language Models [27.936545041302377]
  大規模言語モデル(LLM)は、テキストを編集することでユーモア検出のための合成データを生成することができる。 我々は、既存の人間のデータセット上でLLMをベンチマークし、現在のLLMは、ジョークを「不快に」する印象的な能力を示すことを示す。 我々は、GPT-4の合成データがバイリンガルアノテータによって高度に評価されているという、コード混成のイングリッシュ・ヒンディー語ユーモアデータセットにアプローチを拡張した。
  論文  参考訳（メタデータ） (2024-02-23T02:58:12Z)
• 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)

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。