Computational Humor with Multimodal LLMs: Methods, Datasets, Evaluation, and Challenges

• 类型：arxiv
• 标识：2607.19011
• 链接：https://arxiv.org/abs/2607.19011
• 主分类：multimodal
• 形态：survey
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This survey focuses on visual humor understanding in single-image and multi-panel artifacts, while treating humor generation as an emerging downstream frontier, and synthesizes benchmark design, evaluation protocols, and modeling paradigms based on multimodal alignment, evidence-grounded reasoning, and controlled generation.
• OpenAlex ID：W7170090039
• OpenAlex DOI：10.48550/arxiv.2607.19011
• DOI：10.48550/arxiv.2607.19011
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.19011
• OpenAlex更新：2026-08-24
• 副分类：evaluation
• 待LLM分类：否
• 标题中文：多模态 LLM 的计算幽默：方法、数据集、评估与挑战
• TLDR中文：本综述聚焦于单图与多格视觉作品中的幽默理解，同时将幽默生成视为新兴的下游前沿方向，并围绕多模态对齐、证据 grounded 推理与可控生成，对基准设计、评估协议与建模范式进行系统综述。
• 来源文件：
• /inbox/tom/_candidates/2026-07-23-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]