增强VLM生成幽默模因的能力

Paper#VLM, Meme Generation, Humor, Reinforcement Learning🔬 Research|分析: 2026年1月3日 09:21•
发布: 2025年12月31日 01:35
•
1分で読める
•ArXiv

分析

本文介绍了HUMOR，一个旨在提高视觉语言模型（VLM）生成幽默模因能力的框架。它解决了超越简单图像到标题生成的挑战，通过结合分层推理（Chain-of-Thought）并通过奖励模型和强化学习与人类偏好对齐。该方法在多路径CoT和分组偏好学习方面具有创新性，旨在实现更多样化和更高质量的模因生成。
引用 / 来源
查看原文
"HUMOR employs a hierarchical, multi-path Chain-of-Thought (CoT) to enhance reasoning diversity and a pairwise reward model for capturing subjective humor."
A
ArXiv2025年12月31日 01:35
* 根据版权法第32条进行合法引用。
较旧

Safe in the Future, Dangerous in the Past: Dissecting Temporal and Linguistic Vulnerabilities in LLMs

较新

Stellar modeling within regularized 4D Einstein-Gauss-Bonnet gravity in light of current astrophysical constraints

相关分析

Paper

基于选择策略的协调人形机器人操作

2026年1月3日 06:10

Paper

从未对齐图像即时进行3D场景编辑

2026年1月3日 06:10

Paper

用于未来预测的LLM预测

2026年1月3日 06:10

来源: ArXiv