narrative-understanding

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。

本文介绍了一个新的多模态基准，用于评估AI模型对好莱坞电影的叙事理解，解决了版权问题，并表明视觉语言和音视频模型在该任务上的表现低于人类水平的准确性。

NARU 是一个评估日本超长视频中叙事演进和文化推理的基准，通过分层标注管道和母语者验证构建，以解决当前基准的空白。

SwanNLP在SemEval-2026任务5中提出了一个基于LLM的合理性评分框架，用于叙述词义消歧任务。该框架采用结构化推理和动态少样本提示技术，预测短篇故事中词义的人类感知合理性。研究表明，通过少样本提示和模型集成，商用大参数语言模型能够有效复现真实叙述场景中的人类判断模式。