计算幽默与多模态大语言模型：方法、数据集、评估与挑战

一篇关于多模态大语言模型（MLLMs）在计算幽默领域的综述，聚焦meme、漫画等视觉幽默的识别、解释推理与生成，指出当前评估易取巧、文化覆盖不足、证据基础薄弱、安全与所有权问题等主要障碍。

该综述系统归纳了从任务特定融合模型向基于多模态对齐、证据推理与受控生成的大模型方法的转变，首次以能力层次梳理计算幽默研究，为后续模型设计和基准制定提供了结构化框架。

多模态幽默理解依赖非字面机制、共享文化知识与交际意图，而非简单场景描述；MLLM需通过多模态对齐和证据推理来捕获隐含含义，但现行评估方法易受捷径影响，且文化叙事覆盖有限。

对于涉及meme、漫画等内容理解的产品（如社交平台审核、智能助手），幽默理解的瓶颈意味着需投入更多资源进行文化适配和安全校验，否则模型可能误读讽刺或冒犯性内容。

• 开发基于MLLM的meme幽默检测API，辅助内容平台过滤恶意讽刺或歧视性内容。
• 构建文化敏感的幽默生成插件，用于聊天机器人的个性化互动。
• 设计证据增强的推理管线，用于评估漫画/多格漫画的叙事连贯性。

• 现有MLLM在跨文化幽默（如不同国家meme）上的实际准确率如何？
• 当前评估集是否覆盖足够的非英语、非西方幽默类型？
• 幽默生成的安全性如何保障，模型可能产生冒犯性内容吗？
• 模型的幽默理解能力是否随参数规模单调提升？