Bài báo này tập trung vào việc phân loại và tạo ra lời mỉa mai bằng cách sử dụng các mô hình ngôn ngữ quy mô lớn. Để giải quyết những thách thức của việc phát hiện lời mỉa mai hiện có, chúng tôi trình bày chuẩn Sarc7, phân loại bảy loại lời mỉa mai: tự hạ thấp, u ám, trung lập, lịch sự, khó chịu, giận dữ và hưng cảm, dựa trên tập dữ liệu MUStARD. Chúng tôi đánh giá hiệu suất phân loại bằng cách sử dụng zero-shot, few-shot, Chain of Thought (CoT) và một kỹ thuật gợi ý dựa trên cảm xúc mới. Sau đó, chúng tôi đề xuất một phương pháp tạo ra lời mỉa mai dựa trên cảm xúc bằng cách xác định các yếu tố chính của lời mỉa mai—sự bất nhất, sự sốc và sự phụ thuộc vào ngữ cảnh. Kết quả thử nghiệm cho thấy mô hình Gemini 2.5 đạt điểm F1 là 0,3664 khi sử dụng lời gợi ý dựa trên cảm xúc, vượt trội hơn các thiết lập khác. Những người đánh giá là con người đánh giá lời gợi ý dựa trên cảm xúc thành công hơn 38,46% trong việc tạo ra lời mỉa mai so với lời gợi ý không cần thực hiện.
