New Yorker Caption Contest Benchmarks：探索幽默理解的深度

在人工智能领域，对幽默的理解是一个复杂且富有挑战性的任务。jmhessel/newyorker_caption_contest数据集提供了一个平台，通过《纽约客》漫画大赛的图像和文字描述，挑战AI模型对复杂多模态幽默的理解能力。

关键技术元素：

1. 图像-文本对：数据集包含《纽约客》漫画的图像及其对应的描述性文本。

2. 任务设计：数据集设计了三个任务，包括匹配（Matching）、质量排名（Quality ranking）和解释（Explanation），旨在评估AI对幽默的理解。

3. 多模态幽默：挑战AI模型理解和生成与图像内容紧密相关的幽默文本。

数据集描述：

• 数据集摘要：数据集包含从《纽约客》漫画大赛中提取的图像和文本对，用于评估AI模型对幽默的理解。

• 支持的任务：包括匹配漫画和文本、评价文本质量以及解释笑话为何有趣。

• 语言：数据集主要使用英语。

数据集结构：

• 数据实例：提供了匹配任务和排名任务的示例，展示了数据集中包含的信息，如图像、描述、实体链接等。

• 数据字段：详细列出了数据集中的字段，包括图像、描述、实体链接和标签等。

• 数据分割：数据集提供了不同的分割方式，以适应不同的研究和应用需求。

数据集创建：

• 策划原理：数据集旨在通过幽默理解任务推动AI模型的发展。

• 源数据：数据来源于《纽约客》漫画大赛，结合了众包和作者的注释。

使用数据的考虑：

• 社会影响：幽默可能延续负面刻板印象，数据集提供了多样化的笑话，包括高度评价的和已发表的作品。

• 偏见讨论：幽默是主观的，一些笑话可能被认为是冒犯性的。

附加信息：

• 数据集策展人：由AI2的研究人员策划。

• 许可信息：提供的注释遵循CC-BY-4.0许可。

• 引用信息：如果使用该数据集，请引用相关论文。

数据集地址：

对于想要获取newyorker_caption_contest数据集的研究人员和开发者，可以访问以下链接：

• 数据集下载：jmhessel/newyorker_caption_contest on Gitee AI

通过上述内容，我们可以看到newyorker_caption_contest数据集的主要技术元素包括其对幽默理解的挑战、多模态任务设计以及对AI模型的深入评估。这些元素共同构成了数据集的核心特性，使其成为一个在幽默理解和多模态学习领域非常有用的工具。