学习像卡通配文员一样思考：用于多模态幽默理解的不协调 - 解析监督

幽默理解不仅要求答案正确，更依赖正确的推理过程。现有研究多将其视为黑盒预测，忽视了底层的结构化推理。本文提出不协调 - 解析监督（IRS）框架，将幽默理解分解为不协调建模、解析建模和偏好对齐三个组件。基于不协调 - 解析理论，IRS 通过结构化轨迹监督中间推理过程，使从视觉感知到幽默解释的路径显式化且可学习。实验表明，IRS 在多个模型规模上均优于现有基线，并展现出良好的泛化推理能力，证明监督推理结构对推理密集型任务至关重要。