AI 会笑吗？BIGAI & 上交大团队：多模态大模型是否真的能 get 到视频笑点｜ACL 2026
中文摘要
上海交大、武大与BIGAI构建v-HUB基准，评测多模态模型对无对白视频幽默的理解，发现其过度依赖文本描述，与人类存在显著差距。
English Summary
BIGAI and university teams created the v-HUB benchmark, revealing that multimodal LLMs rely on text rather than audio-visual signals to understand humor in non-verbal videos.
原文节选
📌 一句话摘要 上海交大、武大和 BIGAI 团队构建 v-HUB 基准，系统评测多模态大模型对无对白视频幽默的理解能力，发现模型依赖文字描述而非原始视听信号，在主动发现笑点上与人类存在显著差距。 📝 详细摘要 本文介绍了上海交通大学、武汉大学和北京通用人工智能研究院联合发表于 ACL 2026 的研究成果。团队构建了名为 v-HUB 的评测基准，包含 1218 条无对白短视频（含卓别林默片和现代用户生成内容），覆盖纯...