标签
本文研究基于同步EEG-fNIRS数据的零样本跨被试连续效价-唤醒度回归问题，将情感分解为刺激共享成分与个体成分，其中个体成分通过无标签的α频带跨通道同步性进行校准；该方法在性能上超越EEGNet和ASAC-Net等基线模型，并对多种替代架构与特征进行了系统的负面结果搜索。
本文揭示，在全模态大语言模型中，用于线性探测读取概念的最佳层与用于激活操控的最佳层并不相同，这挑战了表征工程领域的普遍经验法则。
本文介绍了YNU-HPCC团队在SemEval-2025 Task 11中针对基于文本的情感识别任务的方法，使用了一个带有增强输出头的RoBERTa模型，并通过英文翻译数据集获得了0.44的排名分数。
本文介绍了 Modality Discrepancy Transformer (MDT)，一种新型多模态融合框架，它增强了跨模态差异建模，用于在临床视频中识别矛盾与犹豫，在 BAH 数据集上优于基线方法。
本文提出了一种基于置信度门控的混合系统，用于对话式AI中的情感识别。该系统将大多数流量路由通过低成本集成模型，并将不确定案例升级到LLM，从而在提高准确性的同时，降低CCaaS平台的成本和延迟。
本文介绍了MultiHuSE，这是一个多模态数据集，包含演员视频，标注了幽默风格和情感。基线实验表明，多模态融合比单模态方法提高了幽默风格分类的准确性。
本文通过分析大型语言模型（LLMs）在零样本设置中的表现，研究对话情感识别（ERC）的弱点，揭示了由于标注模糊性导致的系统性失败，并提出了一个LLM-as-Judge框架以实现更鲁棒的评估。
本文介绍了Chiaro，一个基于评价理论的新基准数据集，用于对比情感识别，其中两个个体从共享事件中体验到对立的情感。它评估了七个LLMs和四个情感分类器，揭示当前模型的表现不及人类。
本文介绍了VoiceLongMemEval (VLME)基准，它评估AI助手在长期对话中记忆和推理语音副语言元数据（如情感和韵律）的能力，揭示了当前模型中存在的'情感差距'。
VocalAffectBench 被引入作为一个公共基准，用于评估AI音频模型中的声音情感识别，展示了当前基线模型的准确性有限，尤其是对于非中性情感。
AffectOmni是一个基于GRPO训练的框架，用于多模态大型语言模型中的可验证情感推理，引入了People Focus和Temporal Order奖励，以增强以人为中心的证据选择和时间结构化推理，实验显示在7B规模基线上有所改进。
研究发现，在语音模型中，情感表示在七种语言中大多是通用的，有一个可衡量的‘口音’，这与人类跨文化研究相似，并影响跨语言迁移。
本研究论文探讨了多模态基础模型中的情感敏感神经元，通过因果干预和跨模态分析，揭示了语音与面部情绪识别之间的共享情感机制。
Introduces Rationale-Guided Learning (RGL), a framework that reframes multimodal emotion recognition in conversation as a cognitively-inspired reasoning task using dual-process theory and MLLM-generated rationales, achieving state-of-the-art results on IEMOCAP and MELD.
本文提出CONFER，一种基于图的冲突感知证据协商框架，用于弱监督多模态情绪识别，解决自我报告不可靠和跨模态冲突问题。在AMIGOS、MAHNOB-HCI和DEAP基准上取得了具有竞争力的准确率。
This preprint introduces a generation-aligned diagnostic ladder that separates decision-rule misalignment from readout-coverage limitations in speech language models, showing that state decoding far exceeds generated accuracy in emotion recognition tasks.
论文提出C²MOE，一种基于一致性与互补性引导的混合专家框架，用于对话中的不完整多模态情感识别，利用信息论分解在模态缺失时提高鲁棒性。
本文以SEED和SEED-IV数据集上的DGCNN为例，研究了评估协议如何影响EEG情绪识别中报告的准确率。研究表明，受试者相关（subject-dependent）、跨受试者（subject-disjoint）和跨会话（cross-session）评估回答的是不同问题，而检查点选择（checkpoint selection）和测试集重用可能会虚增准确率。
本文介绍了AtmosERC，一个模拟对话级情感氛围以增强对话中情绪识别的模型。
提出了DCC，一个用于共情回应生成的动态常识协调框架，集成了基于残差的交互、关联引导的过滤和迭代解码，相比于基线模型提高了情感分类准确率和回应多样性。