Multimodal Metaphor Evidence-Grounded Reasoning Benchmark Reinforcement Learning
摘要

隐喻理解涉及跨域映射及情感态度传达,在多模态场景下需结合视觉与文本信息进行概念理解与跨模态推理。现有基准缺乏基于证据的解释,难以评估模型是否建立了可靠的映射关系。为此,本文提出M³R-Bench,包含1000个经人工验证的图文实例,提供隐喻发生、目标-源映射、情感及分阶段解释的联合标注。评估显示现有模型常忽视视觉证据。针对此不匹配问题,我们提出M³R-Reasoner,结合课程推理监督与任务感知强化学习以对齐推理过程。实验表明,该8B参数模型在多项指标上优于更大规模的专有多模态大语言模型。

AI 推荐理由

论文核心聚焦于多模态隐喻理解中的跨模态推理能力,提出M3R-Reasoner通过课程推理监督增强模型建立证据与映射关联的逻辑推理水平。

研究机构
重庆大学计算机学院 重庆大学智能与先进计算研究院(IAAC),新加坡科技研究局(A*STAR) 中国科学院自动化研究所,北京 重庆医科大学,中国重庆 天津大学,中国天津 新南威尔士大学计算机科学与工程学院,澳大利亚悉尼
论文信息
作者 Hong Jiang, Junnan Zhu, Jingwang Huang, Xiao Sun, Yuming Yang et al.
发布日期 2026-08-06
arXiv ID 2608.05817
相关性评分 9/10 (高度相关)