Witscript 2 是基于大型语言模型生成对话式笑话的系统，并且将重点放在共识而非言语游戏上，通过人类评估者的测试，其产生的笑话的有效性为 46％，人类作出的为 70％，这表明 Witscript 2 是使聊天机器人具有人类幽默感的一个重要进展。

Feb, 2023

本文介绍了一种新的笑话生成系统 Witscript，该系统基于自然语言处理技术和神经网络构建，使用专业喜剧作家创作的算法，可以在对话中生成原创、有上下文的幽默反应，使聊天机器人更具人性化幽默感。

Feb, 2023

本文介绍了一种基于计算机视觉的图像标注系统 -- Neural Joking Machine（NJM），该系统可根据主题（图像）和有趣的标题（文本）自动输出有趣的标题，并使用 Funny Score 对模型进行优化，实验结果表明，使用 NJM 的结果比使用基线（MS COCO Pre-trained CNN+LSTM）更为有效。

May, 2018

通过将情感注入图像描述中，我们提出了两种不同的深度学习模型，这些模型可以生成具有情感的图像描述，并可以轻松地以所需的情感生成不同的描述。

Jan, 2018

本文深入探讨了讽刺新闻标题的语法和语义结构，找到了制造幽默的关键词和概念，为构建制造幽默的系统提供了新的见解。

Jan, 2019

本文提出了一个简单的模型，可以根据给定的图片生成相关的句子，它主要侧重于句子的语法，并基于先前训练的卷积神经网络对图像进行编码。该模型使用纯双线性模型训练一个度量来衡量图像表示和用于描述图像的短语之间的关系，并能够基于推断的短语产生给定测试图像的相关描述。这一方法在 Flickr30k 和 Microsoft COCO 等数据集中实现了可比较的结果，同时相对于最先进的模型而言，该方法更加简单。

Feb, 2015

本文提出了一个用于理解和生成语言幽默的数据集 ExPUN，其中包含有关标记单词的详细注释，用于描述开玩笑的原因的双关语解释以及细粒度的幽默等级评分。同时，本文提出了解释生成和关键字条件的双关语生成两个任务，以挑战目前自然语言理解和生成模型的理解和生成幽默的能力，并展示了我们收集的注释关键字有助于生成更好的新颖幽默文本。

Oct, 2022

该研究旨在通过引入 Concadia 数据集，研究图像描叙和标题的不同传达作用，并证明使用图片出现的文本背景来增强图像到文本模型的效果，从而提高实际应用过程中生成文本的有用性。

Apr, 2021

该研究采用创意图像和文本生成 AI 系统，通过多模态框架实现了多样化的标题和图像创建，同时采用 Transformer 网络模型支持多种标题参考，采用非自回归解码策略实现实时推断。

Oct, 2021

本文综合研究图像描述中的视觉编码、文本生成、训练策略、数据集和评估指标等方面，量化比较多个相关的最前沿方法，以识别体系结构和训练策略中最具影响力的技术创新并探讨问题的许多变体和开放挑战，旨在为理解现有文献和强调计算机视觉和自然语言处理领域的未来方向提供工具。

Jul, 2021