Research · 1 jul 2026 · 5 min
Usar un LLM para traducir, no para decidir
La decisión detrás de GEMF: convertir significado visual y pragmático en evidencia estructurada antes de la predicción supervisada.
01
La etiqueta no está en una sola modalidad
Un meme puede parecer inofensivo si la imagen y el texto se leen por separado. GEMF parte de la idea contraria: la señal útil suele aparecer en la relación entre ambos, junto con el tono, la implicación y el contexto cultural.
02
Mediador, no oráculo
Gemini no produce la clase final. Convierte el significado visual y pragmático en una representación textual estructurada. Después, encoders supervisados la combinan con OCR, EEG y emociones de Ekman. Así, el modelo generativo aporta evidencia en lugar de actuar como un juez difícil de auditar.
03
El desacuerdo forma parte del objetivo
El proyecto aprende de etiquetas soft porque el desacuerdo entre anotadores puede describir una ambigüedad real. Esa decisión convierte la calibración y los umbrales en partes centrales del modelado. El repositorio documenta dónde funcionó y dónde los umbrales hard no se trasladaron de forma fiable.
Idea central
Qué me llevo
Usar un modelo general para hacer explícito el significado oculto y mantener la decisión final en un sistema específico y evaluado.