Qué se investigó
GEMF estudia la caracterización de sexismo en memes bilingües. El sistema combina OCR, interpretación semántica multimodal, encoders multilingües y señales fisiológicas. El entrenamiento utiliza distribuciones de anotadores en lugar de reducir el desacuerdo a una sola etiqueta mayoritaria.
Gemini actúa como mediador semántico offline. Produce una representación estructurada del contenido visual y pragmático; el clasificador supervisado utiliza después esa representación junto con el resto de modalidades.
Resultados oficiales
Qué aportó el experimento
- Comparación de representaciones visuales y enriquecimiento semántico multimodal.
- Aprendizaje con soft labels para conservar el desacuerdo entre anotadores.
- Heads específicos para detección binaria, intención y categorización multietiqueta.
- Calibración, ablación de modalidades y análisis de errores por subtarea.
- Publicación del prompt, configuraciones, runs y guía de reproducción.
Limitaciones publicadas
- El enriquecimiento semántico depende de un único intérprete multimodal.
- La categorización hard de Task 2.3 mostró sobreajuste de umbrales.
- Las salidas auxiliares del modelo multimodal no se consideran verdad de referencia.
- El conjunto de datos tiene condiciones de uso propias y no se redistribuye en el repositorio.
Task 2.3 hard quedó en la posición 132 de 187. El mismo sistema obtuvo 10 de 118 en soft. La divergencia exige revisar la binarización y los umbrales; las posiciones, por sí solas, no permiten aislar la causa del deterioro.
Fuentes y reproducción
El dataset no se redistribuye. Quien quiera reproducir el trabajo debe obtenerlo de los organizadores y aceptar sus condiciones.