arXiv cs.CL· Hong Jiang, Junnan Zhu, Jingwang Huang, Xiao Sun, Yuming Yang, Jiang Zhong, Ruirui Chen, Jingman Shi, Hao Wu, Nayu Liu, Xinyi Jiang, Kaiwen Wei·· 2 天前AI 评分21
M³R-Bench：面向证据溯源的多模态隐喻理解统一基准
M$^3$R-Bench: A Unified Benchmark for Evidence-Grounded Multimodal Metaphor Understanding
AI 导读
研究者推出 M³R-Bench，一个包含 1,000 个人工标注图文实例的基准，联合标注隐喻发生、Target-Source 映射与情感，并提供分阶段解释。
正文 · AI 翻译
作者：Hong Jiang、Junnan Zhu、Jingwang Huang、Xiao Sun、Yuming Yang、Jiang Zhong、Ruirui Chen、Jingman Shi、Hao Wu、Nayu Liu、Xinyi Jiang、Kaiwen Wei
摘要：多模态隐喻理解需要识别跨域的目标-源映射，并从视觉和文本证据中推断情感。然而，现有基准大多分别评估这些子任务，且缺乏基于证据的解释，限制了其评估连贯跨模态推理的能力。为实现统一且基于证据的评估，我们提出了 M$^3$R-Bench，这是一个包含 1,000 个人工标注图文实例的基准，具有隐喻出现、目标-源映射和情感的联合标签，并附有证据识别、映射建立和情感推断的分阶段解释。评估表明，现有模型经常依赖文本捷径，并产生与视觉证据不一致的目标-源映射。为解决这种证据-映射不匹配问题，我们提出了 M$^3$R-Reasoner，它将基于课程的推理监督与任务感知强化学习相结合。基于 8B 参数骨干网络构建，M$^3$R-Reasoner 在联合标签准确率（JLA）指标上达到 37.90%，比最强的专有基线高出 19.50 个百分点。它在图文证据和情感论证得分上分别超过 GPT-5.5 达 28.45 和 28.11 分。数据集和代码可在 此 https URL 获取。
| 评论： | 21 页，15 幅图和 11 个表格（包括附录）。Hong Jiang、Junnan Zhu 和 Jingwang Huang 贡献相同。Jiang Zhong 和 Kaiwen Wei 为通讯作者。代码和数据可在 此 https URL 获取。 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2608.05817 [cs.CL] |
| （或 arXiv:2608.05817v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.05817 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Hong Jiang [查看电子邮件]
[v1]
2026 年 8 月 6 日星期四 09:48:36 UTC（1,893 KB）
[v2]
2026 年 10 月 15 日星期四 07:46:25 UTC（1,024 KB）
来源：arXiv cs.CL · arxiv.org