論文の概要: Humor Style Drives Laughter, Topic Shapes Acceptability: Evaluating Bilingual Personal and Political Robot-Delivered AI Jokes

• arxiv url: http://arxiv.org/abs/2606.13256v1
• Date: Thu, 11 Jun 2026 12:13:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.779454
• Title: Humor Style Drives Laughter, Topic Shapes Acceptability: Evaluating Bilingual Personal and Political Robot-Delivered AI Jokes
• Title（参考訳）: ヒュームスタイルで娘をドライブし、トピックな形が受け入れられる:バイリンガルの個人的および政治的ロボットが配達するAIジョークの評価
• Authors: Anna-Maria Velentza, Anne-Gwenn Bosser,
• Abstract要約: ユーモアの種類とジョーク内容が、好みの言語だけでなく、面白さや適切さに対する影響について検討した。 その結果、ユーモアのタイプは、攻撃性やアフィリエティブなユーモアを高く評価するなど、面白さに大きく影響していることがわかった。 ジョークの内容は、主に適切さに影響を与え、政治的よりも人に関するジョークが好まれる。
• 参考スコア（独自算出の注目度）: 0.7734726150561088
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Humor plays a central role in human social relationships, and recent advances in computational humor create new opportunities for integrating humor into human-robot interaction (HRI). While large language models (LLMs) can generate diverse forms of humor, it remains unclear how humor style, joke content, and language preference shape perceptions of robot-delivered humor in group settings. In this exploratory study, we employed a mixed factorial design in which participants evaluated AI-generated jokes delivered by a robot in a university classroom. We examined the effects of humor type (Affiliative, Self-Enhancing, Aggressive, Self-Defeating) and joke content (person-related vs. political) on perceived funniness and appropriateness, as well as preferred language. Results show that humor type significantly influences funniness, with Aggressive and Affiliative humor rated higher, while joke content primarily affects appropriateness, with person-related jokes preferred over political ones. Language preference was shaped by both joke content and participants' self-reported fluency and humor practices.
• Abstract（参考訳）: ユーモアは人間の社会関係において中心的な役割を担い、近年の計算的ユーモアの進歩は、ユーモアを人間とロボットの相互作用(HRI)に統合する新たな機会を生み出している。 大規模言語モデル (LLM) はユーモアの多様な形態を生成できるが, グループ環境でのユーモアスタイル, ジョーク内容, 言語嗜好形状の認識がどう影響するかは, いまだ不明である。 本研究では,ロボットによるAI生成ジョークを学生教室で評価した。 ユーモアタイプ(アフィリエティブ、セルフエンハンシング、アフィリエティブ、セルフデフィーティング)とジョークコンテンツ(個人関連対政治)が、好みの言語だけでなく、面白さや適切さに対する効果を検討した。 その結果、ユーモアのタイプは、攻撃的なユーモアとアフィリエティブなユーモアを高く評価する一方、ジョークの内容は、主に適切性に影響を及ぼし、政治的ジョークよりも人に関するジョークの方が好まれることが明らかとなった。 言語嗜好は、ジョークの内容と参加者の自己報告された流布とユーモアの慣行の両方によって形成された。

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)
• 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)
• 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)
• The Naughtyformer: A Transformer Understands Offensive Humor [63.05016513788047]
  Redditから抽出された新しいジョークデータセットを導入し、Naughtyformerと呼ばれる微調整されたトランスフォーマーを用いてサブタイプ分類タスクを解決する。 本モデルでは, ジョークの攻撃性の検出が, 最先端の手法と比較して有意に優れていることを示す。
  論文  参考訳（メタデータ） (2022-11-25T20:37:58Z)
• This joke is [MASK]: Recognizing Humor and Offense with Prompting [9.745213455946324]
  風は日々の人間との交流やコミュニケーションにおいて磁気的要素である。 ユーモア認識のためのNLPの新しい伝達学習パラダイムであるプロンプトの有効性について検討する。
  論文  参考訳（メタデータ） (2022-10-25T13:02:45Z)
• 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)
• Federated Learning with Diversified Preference for Humor Recognition [40.89453484353102]
  We propose the FedHumor approach to recognize humorous text contents in a Personal manner through federated learning (FL)。 様々なユーモア嗜好を持つ人々に対して、FedHumorのユーモア内容の正確な認識において、9つの最先端ユーモア認識アプローチと比較して、実験は大きな利点を示す。
  論文  参考訳（メタデータ） (2020-12-03T03:24:24Z)

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。