Augmenting Lateral Thinking in Language Models with Humor and Riddle Data for the BRAINTEASER Task
本文提出了一种通过引入幽默和谜语数据来增强 DeBERTaV3 模型处理 SemEval 2024 BRAINTEASER 任务中侧向思维能力的方法，结果显示将问题构建为多项选择题并结合数据增强策略，在句子谜题子任务上取得了显著的性能提升。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文讲述了一个关于如何教人工智能（AI）学会“脑筋急转弯”的有趣故事。
想象一下，你正在教一个非常聪明、读过很多书的学生（也就是 AI 语言模型）做数学题。这个学生擅长逻辑推理，比如"1+1=2"或者“因为下雨了，所以地会湿”。这种按部就班的思考方式叫垂直思维。
但是，这次比赛（SemEval 2024 BRAINTEASER 任务）出的题不是数学题，而是脑筋急转弯。
- 题目例子：“一个人每天都刮胡子，但胡子却很长。”
- 常规逻辑：这不可能，刮了就没有了。
- 脑筋急转弯答案：因为他是理发师（他在给别人刮胡子）。
这种需要跳出常规、换个角度思考的能力，就叫横向思维。AI 通常很擅长垂直思维，但在横向思维上却像个“死脑筋”。这篇论文的作者们（来自亚马逊 AWS）就是来教 AI 如何变聪明的。
他们是怎么做的？（三个关键秘诀）
1. 换一种“考试方式”：从“填空题”变成“选择题”
作者发现，如果让 AI 像做填空题一样直接写出答案（序列分类），它经常卡壳。但如果把题目变成四选一的选择题（Multiple Choice），AI 的得分瞬间提高了 10 个百分点！
- 比喻：这就像问学生“谁是凶手？”，如果你让他直接写名字，他可能想半天写不出；但如果你给他四个选项让他选，他就能利用排除法，瞬间认出那个“坏蛋”。这种“选择题”的架构更适合 AI 处理这种需要灵光一闪的谜题。
2. 给 AI 吃“幽默和谜语”的零食（数据增强）
原本的训练数据太少，AI 学得不透彻。于是，作者给 AI 加了两种特别的“零食”：
- GPT-4 生成的笑话：笑话和脑筋急转弯很像，都需要打破常规预期（比如“为什么企鹅不穿西装？因为怕冷”这种反转）。
- RiddleSense 谜语数据集：谜语也是典型的横向思维训练。
- 比喻：这就好比你想教一个只会解方程的学生做脑筋急转弯，你光给他做数学题没用。你给他讲笑话、让他猜谜语，他的脑子就会变得“灵活”起来，学会从意想不到的角度思考问题。
- 效果：这种方法在“句子谜题”（比如上面的理发师例子）上效果惊人，准确率飙升到了 92.5%。
3. 发现了一个“偏科”现象
虽然加“笑话和谜语”对句子谜题很有效，但对单词谜题（Word Puzzle）却没什么用，甚至有点帮倒忙。
- 单词谜题例子：“伦敦的哪一部分在法国？”
- 答案：字母"N"（因为 London 和 France 都有 N）。
- 原因：句子谜题靠的是“语义理解”（理解意思），而单词谜题靠的是“拼写和发音”（看字母长什么样）。给 AI 讲笑话（语义）并不能帮它更好地识别字母形状。
- 比喻：这就像你给一个擅长写诗的人（擅长语义）一本字典让他去学画画（擅长拼写结构），虽然都是学习，但技能点没对上。
最终成绩如何？
- 句子谜题：他们排在了 31 支队伍中的第 6 名，准确率高达 92.5%，比普通的 AI（如 ChatGPT）强了快 50%。
- 单词谜题：排在了 23 支队伍中的第 10 名，准确率 80.2%。
总结与启示
这篇论文告诉我们：
- 架构很重要：有时候，改变提问的方式（从填空变选择）比换更强大的模型还有效。
- 跨界学习：让 AI 接触笑话和谜语，能极大地提升它“脑洞大开”的能力。
- 因材施教：不同的谜题需要不同的训练方法。教 AI 做文字游戏，不能只靠讲笑话，还得教它认字母。
总的来说，作者们通过巧妙的“饮食搭配”（数据增强）和“考试策略”（模型架构），成功让 AI 从一个只会死记硬背的学霸，变成了一个能偶尔开窍、会讲冷笑话的“脑筋急转弯高手”。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。