{"@context":"https://schema.org","@type":"NewsArticle","generatedAt":"2026-07-23T06:40:50.084Z","headline":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","description":"一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","url":"https://www.aioga.com/news/cmrvynaje02eebipzk1t87lqn/","mainEntityOfPage":"https://www.aioga.com/news/cmrvynaje02eebipzk1t87lqn/","datePublished":"2026-07-21T00:00:00.000Z","dateModified":"2026-07-21T00:00:00.000Z","inLanguage":"zh-CN","publisher":{"@type":"NewsMediaOrganization","name":"Aioga","url":"https://www.aioga.com"},"citation":["https://arxiv.org/abs/2607.19011","https://aihot.virxact.com/items/cmrvynaje02eebipzk1t87lqn"],"canonicalUrl":"https://www.aioga.com/news/cmrvynaje02eebipzk1t87lqn/","directAnswer":{"@type":"Answer","text":"Aioga 编辑摘要：一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。 Aioga 将其归入「论文研究」方向，重点关注它对真实使用和行业竞争的影响。","url":"https://www.aioga.com/news/cmrvynaje02eebipzk1t87lqn/","dateCreated":"2026-07-21T00:00:00.000Z","author":{"@type":"Organization","@id":"https://www.aioga.com/authors/aioga-editorial/#editorial-team","name":"Aioga Editorial Team","url":"https://www.aioga.com/authors/aioga-editorial/"}},"evidence":[{"@type":"CreativeWork","name":"arXiv source article","url":"https://arxiv.org/abs/2607.19011","datePublished":"2026-07-21T00:00:00.000Z","provider":{"@type":"Organization","name":"arXiv","url":"https://arxiv.org/abs/2607.19011"}},{"@type":"CreativeWork","name":"AIHot archive record","url":"https://aihot.virxact.com/items/cmrvynaje02eebipzk1t87lqn","datePublished":"2026-07-21T00:00:00.000Z","provider":{"@type":"Organization","name":"AIHot","url":"https://aihot.virxact.com/items/cmrvynaje02eebipzk1t87lqn"}}],"aggregationSource":"HuggingFace Daily Papers（社区热门论文）","originalPublisher":{"name":"arXiv","url":"https://arxiv.org/abs/2607.19011"},"article":{"id":"cmrvynaje02eebipzk1t87lqn","slug":"cmrvynaje02eebipzk1t87lqn","url":"https://www.aioga.com/news/cmrvynaje02eebipzk1t87lqn/","title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","title_en":"Computational Humor with Multimodal LLMs： Methods， Datasets， Evaluation， and Challenges","summary":"一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","source":"HuggingFace Daily Papers（社区热门论文）","sourceUrl":"https://arxiv.org/abs/2607.19011","aiHotUrl":"https://aihot.virxact.com/items/cmrvynaje02eebipzk1t87lqn","publishedAt":"2026-07-21T00:00:00.000Z","category":"论文研究","score":45,"selected":false,"articleBody":["arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.","Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs ：https://info.arxiv.org/labs/index.html."],"articleImages":[{"sourceUrl":"https://arxiv.org/static/base/1.0.1/images/funders/simons-foundation.png","alt":"Simons Foundation","afterParagraph":1,"url":"/media/articles/cmrvynaje02eebipzk1t87lqn/e2d7f38d62f5ca91.png"},{"sourceUrl":"https://arxiv.org/static/base/1.0.1/images/funders/simons-foundation-international.png","alt":"Simons Foundation International","afterParagraph":1,"url":"/media/articles/cmrvynaje02eebipzk1t87lqn/1d56e29c5557cbdc.png"}],"mediaStatus":"ok","articleBodyZh":["arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和分享新的 arXiv 功能。","有一个可以为 arXiv 社区增加价值的项目想法吗？了解更多关于 arXivLabs 的信息：https://info.arxiv.org/labs/index.html。"],"translationStatus":"translated","bodyOrigin":"source-page","editorial":{"summary":"Aioga 编辑摘要：一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。 Aioga 将其归入「论文研究」方向，重点关注它对真实使用和行业竞争的影响。","background":"背景分析：模型与研究类动态需要结合能力边界、开放方式、成本、可用性和真实任务表现判断，单项指标领先不等于已经形成稳定采用。","viewpoint":"Aioga 判断：这条动态更适合作为行业观察信号，当前信息足以建立线索，但不足以推导长期结论。","implications":"影响分析：对相关团队而言，短期应先核对来源、可用范围和实际成本，再判断是否值得接入或跟进。","nextStep":"后续观察：继续观察官方文档、实际可用性、价格变化、开发者反馈和竞品回应。","evidenceRefs":["title","summary","articleBody"],"confidence":"medium","status":"published","aiGenerated":false,"autoApproved":true,"generatedBy":"rule-safe-fallback","generatedAt":"2026-07-23T06:49:19.092Z","sourceHash":"c4205eb019fe23c5","validation":{"passed":true,"mode":"rule-safe-fallback","checks":["schema","length","source-attribution","no-html"]}},"tags":["论文研究","HuggingFace Daily Papers（社区热门论文）"],"translations":{"zh-CN":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"论文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga AI资讯","description":"一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","url":"https://www.aioga.com/news/cmrvynaje02eebipzk1t87lqn/"},"en":{"title":"Computational Humor with Multimodal LLMs： Methods， Datasets， Evaluation， and Challenges","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under Research. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"Research","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"Computational Humor with Multimodal LLMs： Methods， Datasets， Evaluation， and Challenges - Aioga AI News","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under Research. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推...","url":"https://www.aioga.com/en/news/cmrvynaje02eebipzk1t87lqn/"},"ja":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aiogaは「論文研究」の動きとして、HuggingFace Daily Papers（社区热门论文） からの更新を追跡しています。一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"論文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga AIニュース","description":"Aiogaは「論文研究」の動きとして、HuggingFace Daily Papers（社区热门论文） からの更新を追跡しています。一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组...","url":"https://www.aioga.com/ja/news/cmrvynaje02eebipzk1t87lqn/"},"ko":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga는 HuggingFace Daily Papers（社区热门论文）의 업데이트를 연구 흐름으로 추적합니다. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"연구","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga AI 뉴스","description":"Aioga는 HuggingFace Daily Papers（社区热门论文）의 업데이트를 연구 흐름으로 추적합니다. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，...","url":"https://www.aioga.com/ko/news/cmrvynaje02eebipzk1t87lqn/"},"es":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga sigue esta actualización de HuggingFace Daily Papers（社区热门论文） dentro de Investigación. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"Investigación","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga Noticias de IA","description":"Aioga sigue esta actualización de HuggingFace Daily Papers（社区热门论文） dentro de Investigación. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推...","url":"https://www.aioga.com/es/news/cmrvynaje02eebipzk1t87lqn/"},"fr":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga suit cette mise à jour de HuggingFace Daily Papers（社区热门论文） dans la catégorie Recherche. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"Recherche","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga Actualités IA","description":"Aioga suit cette mise à jour de HuggingFace Daily Papers（社区热门论文） dans la catégorie Recherche. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图...","url":"https://www.aioga.com/fr/news/cmrvynaje02eebipzk1t87lqn/"},"de":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"论文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga KI-News","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成...","url":"https://www.aioga.com/de/news/cmrvynaje02eebipzk1t87lqn/"},"pt-BR":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"论文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga Notícias de IA","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成...","url":"https://www.aioga.com/pt-BR/news/cmrvynaje02eebipzk1t87lqn/"},"ru":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"论文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga Новости ИИ","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成...","url":"https://www.aioga.com/ru/news/cmrvynaje02eebipzk1t87lqn/"},"ar":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"论文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga أخبار الذكاء الاصطناعي","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成...","url":"https://www.aioga.com/ar/news/cmrvynaje02eebipzk1t87lqn/"},"hi":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"论文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga AI समाचार","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成...","url":"https://www.aioga.com/hi/news/cmrvynaje02eebipzk1t87lqn/"},"it":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"论文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga Notizie IA","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成...","url":"https://www.aioga.com/it/news/cmrvynaje02eebipzk1t87lqn/"},"nl":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"论文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga AI-nieuws","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成...","url":"https://www.aioga.com/nl/news/cmrvynaje02eebipzk1t87lqn/"},"tr":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"论文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga AI Haberleri","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成...","url":"https://www.aioga.com/tr/news/cmrvynaje02eebipzk1t87lqn/"},"vi":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"论文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Tin tức AI Aioga","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成...","url":"https://www.aioga.com/vi/news/cmrvynaje02eebipzk1t87lqn/"},"id":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"论文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Berita AI Aioga","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成...","url":"https://www.aioga.com/id/news/cmrvynaje02eebipzk1t87lqn/"},"th":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"论文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - ข่าว AI Aioga","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成...","url":"https://www.aioga.com/th/news/cmrvynaje02eebipzk1t87lqn/"},"pl":{"title":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成三个递进能力层级组织文献，指出当前进展受限于捷径式评估、文化覆盖不足、证据基础薄弱以及安全与所有权问题。","category":"论文研究","source":"arXiv","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"多模态大模型理解幽默为何困难：方法、数据集、评估与挑战综述 - Aioga Wiadomości AI","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一篇综述系统梳理了多模态大语言模型（MLLM）在理解 meme、漫画、讽刺图像等视觉幽默上的结构性盲区：核心困难不在于多模态对齐，而在于对非字面机制、共享文化知识和交际意图的推理。该综述按识别、解释与推理、生成...","url":"https://www.aioga.com/pl/news/cmrvynaje02eebipzk1t87lqn/"}}}}