यह शोधपत्र व्यंग्य पहचान पर केंद्रित है, जो प्राकृतिक भाषा प्रसंस्करण के क्षेत्र में एक महत्वपूर्ण शोध विषय है। एकल मोडल तरीके (जैसे, पाठ) में मौजूदा व्यंग्य पहचान विधियां अक्सर व्यंग्य की अंतर्निहित और सूक्ष्म प्रकृति के कारण संतोषजनक परिणाम प्राप्त करने में विफल रहती हैं। इस शोधपत्र में, हम मल्टीमॉडल दृष्टिकोण पर ध्यान केंद्रित करते हैं और एक अभिनव मल्टीमॉडल कमांडर-जीपीटी फ्रेमवर्क का प्रस्ताव करते हैं जो विभिन्न सूचना स्रोतों के लिए शक्तिशाली एकीकृत प्रसंस्करण क्षमताओं के साथ एक मल्टीमॉडल बड़े पैमाने पर भाषा मॉडल (एमएलएलएम) का लाभ उठाता है। सैन्य रणनीति से प्रेरित होकर, हम व्यंग्य पहचान कार्य को छह उप-कार्यों में विभाजित करते हैं, और एक केंद्रीय कमांडर (निर्णय निर्माता) प्रत्येक उप-कार्य को सबसे उपयुक्त बड़े पैमाने पर भाषा मॉडल प्रदान करता है। अंत में, व्यंग्य की पहचान करने के लिए प्रत्येक मॉडल के पहचान परिणामों को एकत्रित किया जाता है। चार मल्टीमॉडल बड़े पैमाने के भाषा मॉडल और छह प्रॉम्प्टिंग रणनीतियों का उपयोग करके एमएमएसडी और एमएमएसडी 2.0 डेटासेट पर व्यापक प्रयोगों के माध्यम से, हम बिना किसी फाइन-ट्यूनिंग या ग्राउंड ट्रुथ के 19.3% के एफ 1 स्कोर सुधार के साथ अत्याधुनिक प्रदर्शन प्राप्त करते हैं।
