ユーモア生成は自然言語処理における難題であり続けている。流暢で斬新なジョークを生み出すこと自体が難しいだけでなく、「面白い」かどうかは観客に依存し、監督信号もノイズが多い——観客、文脈、文化によって好みは異なり、アノテーター間の一致度も低いことが多い。このような課題に対して、Alexey Tikhonov と Alexey Ivanov は論文「lmfaoooo at SemEval-2026 Task 1: Humor Is an Audience. Preference Modeling for Constrained Humor Generation」で、SemEval-2026 タスク1（MWAHAHA）への参加システムを説明している。このタスクは明示的な制約の下でのユーモア生成に焦点を当て、1対1のアリーナ形式の人間による選好判断で提出システムを評価する。
研究チームは「多数生成→最良選択」戦略を採用した。第一段階では、多段階プロンプティング、モデルアンサンブル、多様性指向のデコーディングを用いて、各インスタンスに対して多様な候補プールを生成する。第二段階では、人間の比較結果から学習することで「読者」を近似する選好モデルを用いて出力を選択する。絶対的な面白さスコアではなく比較に基づくこのアプローチを支えるため、チームは Humor Arena プロトタイプを通じて収集した2.5Kの人間によるペア比較判断を公開した。さらに、ラベル付き比較を選好モデルに変換する解釈可能なパイプラインを提案している。3つの選好データセットでの実験により、彼らのモデルは一貫してベースラインを上回り、より強いクロスドメイン転移を示した。
最後に、学習した選好モデルを MWAHAHA 設定の候補ランキングに適用し、後続研究を促進するために中間成果物（候補プールとランキング）を公開した。このシステムは MWAHAHA の英語および中国語サブタスクで1位、スペイン語サブタスクで2位を獲得した。論文は5ページで、SEMEVAL 2026 に採択されている。
この研究の意義は、ユーモア生成を観客依存の選好学習問題として捉え、単純な目的最適化ではなく人間の比較から学ぶ枠組みを提示した点にある。人間のペア比較判断データと解釈可能なパイプラインを公開することで、再現可能なベンチマークとリソースを後続研究に提供している。また、複数の言語サブタスクでの優れた成績は、選好モデリング手法が異文化間のユーモア生成において有効であることを示している。