arXiv cs.CL· Lizeth Palacios Pati\~no, Ximena Gutierrez-Vasques, Daniel Rodriguez·· 10 小时前AI 评分31
人类与 LLM 即兴幽默对话对比：LLM 难以复现自发言语互动特征
Spotting the Artificial: Dialogic Humor Improvisation in Humans and LLMs
AI 导读
一项新研究比较多智能体环境中 LLM 生成的对话与人类喜剧即兴表演，发现 LLM 虽能构建连贯且有创意的场景，却常无法复现自发言语互动的关键特征。LLM 生成的互动还明显偏向礼貌和正面评价，与人类幽默即兴中更广泛的态度形成反差。该研究结合自动语言指标与基于系统功能语言学（SFL）的人工标注，凸显当前 LLM 在对话式幽默建模上的优势与局限。
正文 · AI 翻译
摘要：我们提出一种方法，用于在一个具有挑战性的场景中研究自然语言与合成语言之间的差异：幽默即兴对话。我们的实验设置将人类创作的喜剧即兴表演与我们在多智能体环境中由 LLM 生成的对话进行比较。分析结合了自动化语言指标与基于系统功能语言学（SFL）的人工标注。
结果表明，尽管 LLM 能够创作出连贯且富有创意的场景，但它们往往无法再现自发口语互动的关键特征。此外，LLM 生成的互动表现出强烈的礼貌和正面评价倾向，与人类幽默即兴表演中更广泛的态度范围形成对比。我们的证据既凸显了当前 LLM 在建模对话幽默方面的优势与局限，也证明了将语言学理论与 NLP 方法相结合用于分析机器生成语言的价值
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.00492 [cs.CL] |
| （或 arXiv:2611.00492v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.00492 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | Springer Nature Link. MICAI 2026, CCIS,Part I proceeding |
提交历史
来自：Ximena Gutierrez-Vasques [查看电子邮件]
[v1]
2026年10月31日星期六 00:33:27 UTC（4,840 KB）
来源：arXiv cs.CL · arxiv.org