来自不同空间的记录
随意翻翻，也许会遇见想要留下的一页。
TL;DR：这篇论文用《纽约客》漫画配文大赛的数据，设计了三项“理解幽默”的任务，结果是各类模型在三项上都吃力。最强的多模态模型在“给漫画挑对笑话”上比人类低 30 个准确率点；即使给了标准的画面描述，人类写的笑点解释在正面对比中仍有超过三分之二的情况被评为更好。这并不说明 AI 永远不懂幽默，只说明在这套基准上，当时的模型明显不及人类。 这是 2022 年的研究：论文 2022 年 9 月 13 日上传到 arXiv，2023 年 7 月修订，同年发表于自然语言处理顶会 A
从八张物品卡里选三张：总价不能超预算，总重量不能超标，至少有一件指定颜色，同类物品不能太多，选中的物品还必须彼此兼容。 模型能一张张读出价格、重量和兼容关系，合起来做选择时，却频频违反这些条件。这是 Yuyang Dai、Yuxia Wang 和 Zhuohan Xie 于 2026 年 10 月 24 日提交的预印本《All the Facts, Still the Wrong Answer》研究的问题：看清了事实，为什么还做不出符合要求的决定？ 作者生成了 1,600 道
TL;DR：这篇论文提出，不同结构、不同数据、甚至不同模态的 AI 模型，内部表征正在朝同一个“现实的统计模型”靠拢，作者称之为“柏拉图表征”。它主要是一篇立场论文：综述已有证据并做了一些跨模态对比，提出的是假说，并没有证明所有模型最终会收敛到同一处，文中也讨论了局限和反例。 这不是新闻，而是 2024 年的老论文：2024 年 5 月 13 日首次发布到 arXiv，7 月最后一次修订，后来在 ICML 2024 上作为 oral 展示。作者是 Minyoung Huh、B