TransMeme：面向跨文化迷因改编的多智能体框架

互联网迷因是一种普遍的多模态在线交流形式；然而，这类交流往往涉及来自不同语言和文化背景的用户。因此，让迷因跨文化、跨语言地适配，是实现在线交流相互理解的核心挑战。与普通翻译或独立的文本改写不同，跨文化迷因改编必须同时保留交际意图、为目标受众适配依赖文化的含义，并维持图文一致性。在这项工作中，我们首先对跨文化迷因改编进行显式的任务分析，识别出三个核心挑战：文化特定知识理解、意图与语气保留，以及多模态一致性。基于这一分析，我们提出一个由专职智能体协同的多智能体框架，通过文化适配、目标文本改写、修订和条件性视觉调整来应对这些挑战。该框架通过协调反馈强化目标文本适配，以处理需要更深层文化或视觉干预的困难案例。我们在中英双向迷因改编上，采用人工评估和LLM-as-a-Judge两种方式评估该框架。我们的方法在两种评估设置中均持续超越所有基线。在人工评估中，它在全部四个维度上取得最佳表现，相较最强基线平均提升33.1%；在LLM-as-a-Judge中，它获得最高的Top-1排名率（60%，次优基线为26%）。进一步分析表明每个组件都有贡献。我们的错误分析显示，剩余瓶颈在于幽默重建和图文对齐，而非简单的文化知识缺口，这指向未来关于幽默迁移的工作。