大型语言模型(LLMs)是否具备评估和生成简短笑话的能力?
《Neural Networks》:Are LLMs Qualified Evaluators and Generators of One-liner Jokes
【字体:
大
中
小
】
时间:2026年05月13日
来源:Neural Networks 6.3
编辑推荐:
明华唐摘要由于幽默具有主观性,因此在计算幽默领域,幽默的评估和生成仍然是一个具有挑战性的问题。尽管大型语言模型(LLMs)在各种创造性任务中表现出了强大的能力,但以往的研究主要集中在幽默的生成上——尤其是双关语的生成——而它们可靠地评估幽默以及生成结构化单行笑话的能力却尚未得到充
明华唐
摘要
由于幽默具有主观性,因此在计算幽默领域,幽默的评估和生成仍然是一个具有挑战性的问题。尽管大型语言模型(LLMs)在各种创造性任务中表现出了强大的能力,但以往的研究主要集中在幽默的生成上——尤其是双关语的生成——而它们可靠地评估幽默以及生成结构化单行笑话的能力却尚未得到充分探索。为了解决这一差距,本文介绍了OneLinerJoke(OLJ),这是首个旨在评估LLMs评估单行笑话能力的基准数据集,并提出了一种能力感知的提示框架,该框架将结构化的Joke Prospector方法与基于探测信息的提示调整相结合。这种方法首先探测模型的概念理解,然后重新制定提示以与其知识相匹配,从而提高生成的可靠性并减少错误生成的情况。实验结果表明,LLMs能够一致地区分有趣和无趣的笑话,而且能力感知的提示方法显著提高了生成笑话的质量,相比传统的提示方法有显著改进。这些发现证明了将LLMs同时用作幽默评估者和生成器的可行性,推动了计算幽默和提示工程领域的研究进展。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号