memes

美国教育部在X平台上发布的一则哈利·波特风格帖子似乎在宣扬“Malfoid”——一个右翼同人创作迷因，其主角是性别反转、痴迷于血统纯洁的女性版德拉科·马尔福，如今已成为极右翼美学和人工智能生成宣传内容的载体。

IRON-Meme 是一个经人工标注的基准数据集，包含 1,110 个政治迷因，并采用以社会科学为基础的框架，对社会身份、观点和叙事角色进行分类；对九个视觉语言模型的评估表明，前沿模型和推理模型表现最佳，而迷因模板的背景知识并不能改善角色分类效果。

Google 的 Sundar Pichai 宣布了 Gemini 4 Argon 的早期预览，宣称其在复杂工作流、网络安全防御和软件工程等场景中达到了前沿性能水平，并表示 Google 内部已大量使用该模型；该帖以幽默的“别刷榜”反应形式被分享出来。

发帖者调侃AI目前仅开发出《甄嬛传》和《我的前半生》等作品不到10%的潜力，并感叹半导体价格飙升推高了自家产品的生产成本，同时AI生成内容还在进一步消耗算力。

一款类似Wordle的游戏，旨在通过关注假新闻和迷因来提升媒体素养。

ArGuard 是一个专注于检测阿拉伯语模因与 LLM 提示中有害内容的共享任务，突出了细粒度分类中的挑战，并发布数据集以供进一步研究。

本文对模因中仇恨言论检测的视觉-语言模型进行定性分析，评估了它们在零样本和少样本提示下的性能和推理能力。

Elon Musk在推特上表示，人们因表情包而被送入监狱，这可能指涉网络内容审查问题。

本文介绍了 AHA-Memes，这是首个具有细粒度多标签注释的大规模阿拉伯语仇恨迷因基准，包含 5K 条人工注释和约 66K 条银标签迷因，并评测了多种多模态模型在基于文化的仇恨检测中的表现。

本文介绍了BanglaMemeEvidence，这是一个包含2,917个孟加拉语模因的多模态数据集，这些模因经过注释用于解释性证据检测，并提出了BengaliMemeEvidenceNet，一个混合框架，实现了0.74的F1分数。

谷歌员工在内部流传表情包，批评AI生成代码的质量，这与CEO桑达尔·皮查伊公开宣称75%的新代码由AI生成形成对比。