Can Pre-trained Language Models Understand Chinese Humor?
Fudan University（复旦大学）；Université de Montréal（蒙特利尔大学）；DataGrand Inc.（达观数据）
本文首次系统评估预训练语言模型的中文幽默理解能力，提出三步骤四任务的评估框架并构建中文幽默数据集，实验观察为后续幽默理解与生成优化提供指导。
2024-07-04 cs.AI cs.CL
CFunModel: A "Funny" Language Model Capable of Chinese Humor Generation and Processing
Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所）
针对大语言模型处理中文幽默能力不足的问题，我们构建了包含超16万条数据的中文幽默数据集CFunSet，并开发了首个能处理相声应答选择、幽默识别、笑话生成等任务的中文幽默模型CFunModel，实验证明其性能优于主流大模型。
2025-03-26 cs.CL
From Punchlines to Predictions: A Metric to Assess LLM Performance in Identifying Humor in Stand-Up Comedy
International Christian University（国际基督教大学）；University of Tsukuba（茨口大学）
本研究提出了一种评估大语言模型识别单口喜剧幽默能力的指标，发现即使领先模型在幽默检测上的表现也仅达到51%，低于人类的41%。
2025-04-12 cs.CL
Which LLMs Get the Joke? Probing Non-STEM Reasoning Abilities with HumorBench
University of Washington（华盛顿大学）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Air Mail and Cartoon Collections（航空邮报与漫画收藏）
本研究提出评估大语言模型幽默理解与推理能力的基准HumorBench，通过约300组专家标注的漫画-配文对测试发现，STEM推理能力可有效迁移到幽默理解中，测试时扩展的效果则因模型而异。
2025-07-29 cs.AI cs.CL
Computational Humor with Multimodal LLMs: Methods, Datasets, Evaluation, and Challenges
Case Western Reserve University（凯斯西储大学）；The Hong Kong Polytechnic University（香港理工大学）
本研究聚焦于单图像和多面板作品中的视觉幽默理解，通过与先前综述对比，按能力层次组织文献，综合基准设计等内容，追溯领域转变，指出进展的主要障碍包括易出现捷径的评估、文化覆盖有限等问题。
2026-09-02 cs.AI cs.CL cs.MM
Witscript 2: A System for Generating Improvised Jokes Without Wordplay
Twenty Lane Media, LLC（二十巷传媒有限责任公司）
之前的一篇论文介绍了Witscript，这是一个依靠文字游戏生成会话笑话的系统。本文通过介绍Witscript 2扩展了这项工作，它使用大语言模型来生成依赖于常识而不是文字游戏的会话笑话。和Witscript一样，Witscript 2也是基于一位专业喜剧作家创建的笑话写作算法。人类评估者判断Witscript 2对输入句子的反应有46%的时间是笑话，而人类书面反应的时间是70%。这证明Witscript 2代表了向赋予聊天机器人类似人类的幽默感迈出的又一步。
2023-02-03 cs.AI cs.CL
Chaplains' Reflections on the Design and Usage of AI for Conversational Care
University of Copenhagen（哥本哈根大学）；Aalborg University（奥尔堡大学）
研究探讨神职人员对AI对话系统在非临床场景中支持日常福祉的能力的认知与限制，揭示了倾听、连接、承载与渴望等主题对护理技术设计的启示。
2026-02-03 cs.CL cs.HC
Let's Think Outside the Box: Exploring Leap-of-Thought in Large Language Models with Creative Humor Generation
Sea AI Lab（Sea AI实验室）；Sun Yat-sen University（中山大学）；Harvard University（哈佛大学）
本文探索大型语言模型的跳跃思维（LoT）能力，构建多模态大喜利数据集并提出创造性跳跃思维（CLoT）范式，通过指令微调与探索性自我精炼显著提升了模型在幽默生成及多种任务中的创造力。
2024-04-21 cs.AI cs.CL cs.CV
Conversational User Interfaces for Blind Knowledge Workers: A Case Study
Palo Alto Research Center（帕洛阿尔托研究中心）
使用触摸表面控制的办公设备界面设计的现代趋势为盲人和视力受损的用户创造了更大的障碍，并促成了工作环境中的依赖环境。我们认为，\textit{conversational user interfaces}（CUI）为触摸屏交互提供了一种合理的替代方案，使盲人知识工作者能够获得更多的访问权限，最重要的是获得更大的独立性。我们提出了一个案例研究，我们的工作，开发一个会话式用户界面的多功能打印机的可访问性。我们还描述了我们的方法，会话界面一般，强调基于任务的人与智能代理之间的协作交互，我们详细介绍了我们为多功能打印机创建的解决方案的细节。为了指导我们的设计，我们与一群盲人和视障人士合作，从焦点小组会议开始，以确定我们的目标用户在职业生活中面临的挑战。我们通过用户研究来跟踪技术开发，以评估解决方案并指导我们未来的工作。我们提出了我们的研究结果和结论。
2020-10-13 cs.CL cs.HC
Exploring Gender Biases in Language Patterns of Human-Conversational Agent Conversations
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本研究探讨对话智能体（CAs）的性别设计如何触发并强化用户的性别偏见，分析人机交互的语言模式，为促进性别平等的伦理设计提供指导。
2024-01-05 cs.CL cs.CY cs.HC
Why Do We Laugh? Annotation and Taxonomy Generation for Laughable Contexts in Spontaneous Text Conversation
Graduate School of Informatics, Kyoto University（京都大学情报学研究科）
本文标注日语自发文本对话中的可笑语境并构建十类笑声原因分类体系，同时评估GPT-4o的识别表现，为会话式AI理解与生成笑声提供基础。
2025-03-18 cs.AI cs.CL
Perla: A Conversational Agent for Depression Screening in Digital Ecosystems. Design, Implementation and Validation
Psicobōtica Labs（Psicobōtica实验室）
大多数抑郁症评估工具基于自我报告问卷，如患者健康问卷（PHQ-9）。通过电子表格，这些心理测量工具可以很容易地适应在线环境。然而，这种方法缺乏现代数字环境的交互和参与功能。为了使抑郁症筛查更容易获得，更有吸引力和更有效，我们开发了Perla，一种能够基于PHQ-9进行访谈的会话代理。我们还进行了一项验证研究，在该研究中，我们比较了传统的自我报告问卷与Perla的自动化访谈所获得的结果。分析结果，从这项研究中，我们得出了两个重要的结论：首先，Perla是更喜欢的互联网用户，实现超过2.5倍以上的覆盖率比传统的形式为基础的问卷;其次，她的心理测量特性（克朗巴赫的α为0.81，96%的灵敏度和90%的特异性）是优秀的，可与传统的完善的抑郁症筛查问卷。
2021-07-28 cs.CL cs.CY cs.HC
Neural model robustness for skill routing in large-scale conversational AI systems: A design choice exploration
Amazon Alexa AI（亚马逊Alexa人工智能部门）
当前工业中最先进的大规模对话AI或智能数字助理系统包括一组组件，例如自动语音识别（ASR）和自然语言理解（NLU）。对于利用共享NLU本体的这些系统中的一些（例如，集中式意图/槽模式），则存在单独的技能路由组件以将请求正确地路由到适当的技能，该技能是实际上对用户请求执行的第一方或第三方应用。需要技能路由组件，因为存在可以订阅相同意图和/或订阅特定上下文条件下的意图（例如，有屏幕）。确保技能路由组件中的模型鲁棒性或弹性是一个重要的问题，因为技能可以在技能路由模型已经被部署到生产之后动态地改变它们在本体中的订阅。我们展示了不同的建模设计选择如何在最先进的商业会话AI系统的技能路由的背景下影响模型的鲁棒性，特别是围绕数据增强，模型架构和优化方法的选择。我们表明，应用数据增强可以是一个非常有效和实用的方法，大大提高模型的鲁棒性。
2021-03-04 cs.AI cs.CL cs.LG
Designing LMS and Instructional Strategies for Integrating Generative-Conversational AI
针对高等教育个性化、可扩展教学的痛点，本研究采用设计型研究方法，构建了融合生成式与对话式AI的模块化AI-LMS框架，配套符合多学习理论的教学策略与伦理保障，为教育AI落地提供实用模型。
2025-08-31 cs.CL
Making the case for audience design in conversational AI: Rapport expectations and language ideologies in a task-oriented chatbot
University of Surrey（萨里大学）
聊天机器人在商业和科学背景下越来越普遍。他们帮助客户投诉产品或服务，或支持他们找到最好的旅行交易。其他机器人提供心理健康支持或帮助预订医疗预约。本文认为，洞察用户的语言意识形态和他们的融洽的期望，可以用来告知观众的机器人的语言和交互模式的设计，并确保公平地获得机器人提供的服务。这一论点得到了三种数据的支持：模拟用户与促进健康预约预订的聊天机器人的交互，用户对其交互的内省评论以及用户与预订机器人互动后的定性调查评论。最后，我将定义对话式人工智能的受众设计，并讨论如何使用以用户为中心的聊天机器人交互分析和社会语言学知情的理论方法，如融洽关系管理，来支持受众设计。
2022-06-21 cs.AI cs.CL
Exploring the Potential of Conversational AI Support for Agent-Based Social Simulation Model Design
University of Nottingham（诺丁汉大学）
本研究探索利用对话式AI系统（如ChatGPT）辅助基于智能体的社会仿真模型设计，通过提示工程和工程化框架，在短时间内生成概念模型，并验证了其可行性与实用性。
2025-10-07 cs.AI cs.CL cs.HC
Conversational Alignment with Artificial Intelligence in Context
University of Hong Kong（香港大学）；University of Oxford（牛津大学）；Magdalen College, Oxford（牛津大学玛格丽特学院）
本文探讨了AI智能体与人类交际规范的会话对齐问题，基于会话语用学提出了CONTEXT-ALIGN评估框架，并指出当前LLM架构对实现完全会话对齐存在根本性限制。
2025-05-28 cs.CL cs.CY
Quantifying the Causal Effects of Conversational Tendencies
Cornell University（康奈尔大学）；Chicago Booth School of Business（芝加哥大学布斯商学院）
了解什么导致有效的对话可以帮助设计更好的计算机媒介沟通平台。特别是，先前的观察工作试图识别与他们的会话效率相关的个人行为。然而，将这种相关性转化为因果解释是以规范的方式使用它们来指导更好的设计和政策的必要步骤。在这项工作中，我们正式描述了在对话行为和结果之间建立因果联系的问题。我们专注于确定一个特定类型的基于文本的危机咨询平台的政策的任务：如何最好地分配辅导员根据他们的行为倾向表现在他们过去的谈话。我们应用从因果推理得出的论据来强调随机试验难以实施的对话环境中出现的关键挑战。最后，我们将展示如何规避这些推理的挑战，在我们的特定领域，并说明了潜在的好处的分配政策所产生的规定性信息。
2020-09-08 cs.CL
Conversational Code Generation: a Case Study of Designing a Dialogue System for Generating Driving Scenarios for Testing Autonomous Vehicles
School of Informatics, University of Edinburgh 10 Crichton Street, Edinburgh EH8 9AB（信息学院，爱丁堡大学）
本研究设计了一个基于指令遵循大语言模型的自然语言界面，用于将非编程专家的对话转换为符号程序以生成自动驾驶测试场景，实验证明对话可将生成成功率提升4.5倍。
2025-09-08 cs.CL cs.IR cs.RO
