- 标注和建模隐含语义的隐喻使用框架
该研究提出了一个新的隐喻意图分类系统，并发布了首个含有隐喻使用意图注释的数据集。通过对大型语言模型在推断隐喻使用意图方面的实验，结果表明这仍然是一个对大型语言模型而言具有挑战性的任务。
- 看見看不見的：視覺隱喻對視頻進行標註
我们介绍了一项新的视觉 - 语言（VL）任务，描述视频中的隐喻，并提出了一个低资源视频隐喻字幕系统（GIT-LLaVA），该系统在所提出的任务上获得了与现有技术相媲美的性能。
- ACL使用大规模自动隐喻辨识验证隐喻断言
这项研究是基于大规模语料库的分析，验证了有关动词隐喻的一些存在观点，结果显示，作为隐喻使用的动词的直接宾语往往具有较低的具体性、可形象化和熟悉度，隐喻更容易在情感和主观句子中使用。
- 发现困扰预训练语言模型的具有挑战性的隐喻
对 VUA 隐喻数据集进行分析发现，很多隐喻对下游任务的性能产生很小的影响，因此需要将研究者的注意力转移到那些具有挑战性的隐喻上。为了识别出难度较大的隐喻，本文提出了一个自动化流程，并对各种热门 NLP 系统的机器翻译准确率降低了 16％、 - ChatGPT 元喻：辅鹦鹉还是殖民扩音器？培养 AI 批判素养
探讨 AI 的隐喻如何帮助我们意识到塑造我们对 AI 系统，尤其是像 ChatGPT 这样的大型语言模型的理解的框架，并且鉴于教授 “批判性 AI 素养” 的紧迫需要，隐喻的讨论为探究和对话提供了机会，以寻找细微之处、游戏性和批判精神。
- AI 抓握：面向设计师的实践训练
人工智能 (AI) 和机器学习 (ML) 被广泛地应用于物理和数字产品，创造了前所未有的互动和功能机会。然而，在这个创意领域中，设计师们面临一个挑战，即在技术的可能性和人类互动关切之间取得平衡。本文调查了探索和思考 AI 系统互动特点、独特 - 评估大型语言模型对隐晦与讽刺的理解能力：使用阿斯伯格综合症筛查测试
该研究使用标准化测试来检验最近的大型语言模型（LLMs）理解人类微妙交流的能力，结果发现虽然它们在理解隐喻方面得到了提升，但对于理解讽刺的提升并未观察到，这表明必须采取另一种方法使 LLMs 具备理解讽刺的能力。
- 语言迷宫：对 AI 话语中使用的术语进行建设性批评
人工智能领域的术语问题成为一个重要的议题，本文通过分析人工智能辩论的核心概念，提出更贴切的术语，以促进更有成果的讨论。
- ACL语言模型坚守阵地：探究修饰语言表达中体现之象征性的表达对语言模型的影响
本研究采用大型语言模型，研究对比了具有体现概念的隐喻句子和不具有的，结果表明具有体现概念的隐喻句子更易被解释。
- EMNLP隐喻表达强烈情感的奥秘
研究隐喻与字面表达在情感表达上存在差异的原因，发现隐喻基于更具体的表达方式，因此在情感表达能力上更具优势，并发现字面语言同样可以透过增强具体性来增加情感表达。
- ACLMiQA: 多义问题推理基准
本研究提出了一个基准来评估大型语言模型处理传统比喻的能力，并结合比喻检测和常识推理的先前孤立主题，要求模型在准确选择字面或隐喻文本之间作出推论。我们考察了最先进的预训练模型在二元选择任务中的表现，并发现小型和非常大型模型性能之间存在巨大差异 - EMNLP关系层面隐喻识别的背景调节
本文介绍了一种使用神经网络和上下文调节（contextual modulation）识别抽象比喻表达方式的方法，并在基准数据集上取得了最新的最佳性能。