Краткое содержание

arXiv:2508.10644v2 Тип объявления: замена Аннотация: Мультимодальное распознавание сарказма — это сложная задача, требующая различения тонких комплементарных сигналов между модальностями при одновременной фильтрации нерелевантной информации. Многие передовые методы полагаются на извлечение поверхностных зависимостей (shortcuts) из наборов данных, а не на выделение целевых признаков, связанных с сарказмом. Однако наши эксперименты показывают, что такое обучение поверхностным зависимостям ухудшает обобщающую способность модели в реальных сценариях. Более того, мы выявляем слабые стороны современных стратегий слияния модальностей для мультимодального распознавания сарказма с помощью систематических экспериментов, подчеркивая необходимость сосредоточиться на эффективном слиянии модальностей для распознавания сложных эмоций. Для решения этих проблем мы создаём MUStARD++$^{R}$, удаляя из набора MUStARD++ сигналы, приводящие к поверхностным зависимостям. Затем представлена модель Multimodal Conditional Information Bottleneck (MCIB) для обеспечения эффективного мультимодального слияния при распознавании сарказма. Результаты экспериментов показывают, что MCIB достигает наилучших показателей