マルチモーダルなミームは動的で移り変わりが激しく、その解釈にはしばしば最新の背景知識が欠かせない。特定の人物や出来事、ネットスラングが一夜にしてミームの中心になることもある。しかし既存の手法はこうした時間依存の知識を軽視するか、事前学習モデルに固定されたパラメトリック知識に頼る傾向がある。その知識自体が不完全であったり、すでに古くなっていたり、新しく登場したミームにはまったく存在しないことも多い。
この問題に対して、Shanhong Liu 氏ら4名の著者による論文（arXiv:2606.05316、2026年6月3日提出、cs.AI 人工知能分野）は「Query Retrieve Conclude」と名付けたゼロショット枠組みを提案している。この枠組みはミーム理解を3つの段階に分解する。まず、あるミームを理解するうえで不足している背景知識は何かを特定し、次にオープンなウェブから関連する証拠を検索し、最後に得られた証拠を統合して根拠のある背景知識を構築する。これをミームの意味理解と検出に用いる。静的なパラメトリック知識に依存するのではなく、モデルが「今日生まれた」情報を動的に獲得できる点が特徴で、新興ミームにも対応できる。
手法に加えて、論文では人手で整理したミーム理解ベンチマークも構築している。2024年から2026年までの最近のミームを収録し、それぞれに外部背景知識の注釈を付けたものである。このベンチマークにより、モデルが時間依存の知識を補えるかを直接評価できるようになり、最近のミームや背景知識の注釈が乏しかった既存データセットの空白を埋める意義がある。
実験では、3つのミーム理解データセットと5つのミーム検出タスクで枠組みを評価した。その結果、ゼロショットのベースラインと比較して、知識の回復、ミーム理解、下流の検出という3つのレベルで改善が見られた。モデルが外部世界に対して「問い、検索し、まとめる」ことを促す方が、事前学習済みの重みだけに頼るよりも、急速に変化するネット文化への対応力が高いことを示している。
論文は arXiv の人工知能セクションに投稿され、PDF、実験的な HTML 版、TeX ソースなどの形で閲覧できる。ネット上のコンテンツモデレーション、偽情報の識別、異文化間の意味理解を必要とする応用にとって、モデルを再学習させなくてもミームの進化についていける現実的な道筋を示すものといえる。