从浅层幽默到隐喻：基于LMM代理自我改进的无标签有害模因检测

本文描述了一项研究，该研究侧重于在不依赖标记数据的情况下检测有害模因。该方法使用大型多模态模型（LMM）代理，通过自我改进来提高其检测能力。标题表明从简单的幽默理解到更复杂的隐喻分析的进步，这对于识别微妙形式的有害内容至关重要。该研究领域与当前人工智能安全和内容审核方面的挑战相关。

• •侧重于无标签有害模因检测。
• •利用大型多模态模型（LMM）代理。
• •采用自我改进以增强检测能力。
• •解决了识别微妙有害内容的挑战。