重新定义 AI 幽默研究的幽默数据对象

在大多数现有的人工智能幽默研究中，幽默被视为“存在”或“不存在”。我们探索幽默的概念作为一种带有背景和解释的社交互动。在这个项目中，我们定义了一个幽默推理数据对象，并开发了一种方法来提示 LLM 生成对一般人群有效的幽默解释。我们从早期的提示迭代到改进的提示，发现后来的版本减少了重要错误，然后将生成规模扩展到大量数据对象，这些数据对象有可能为人工智能幽默研究实现数据合成和数据增强。我们的主要结论是，更好地提示 LLM 可以提高幽默解释的质量，特别是通过更仔细地处理缺失的上下文、多模态和转录问题。这些结果为人工智能将幽默理解为社会行为的未来工作奠定了坚实的基础。所有代码和数据均可在：https://github.com/anna-arnett/ai-humor/ 获取。