emotion

首次从神经元层面解释大型音频语言模型如何编码多语言情感，引入一致性正则化融合（Consistency-Regularized Fusion）以识别跨12种语言的多语言情感神经元，并展示了跨语言迁移的益处。

This paper proposes an expanded formulation of valence and arousal in an active inference model of human driving, conditioning affective estimates on predicted future outcomes and evaluating it in interactive driving scenarios.

《iScience》上的一项新fMRI研究发现，狗在与高级认知和奖赏相关的大脑区域处理人类快乐的面部表情，并能区分愤怒、悲伤和恐惧等负面表情。

本文研究了提示条件情绪如何影响基于LLM的价格谈判，发现情绪强烈影响结果——愤怒的买家几乎无法达成协议（成交率0.39%），而快乐的买家更容易达成一致（28.91%），但获得的价格却比恐惧的买家更差。情绪效应具有角色依赖性：买家情绪主要驱动接受与拒绝，而卖家情绪影响让步动态。这些效应不仅影响语言，还影响终止行为和价格轨迹，引发了人们对商务中情绪条件智能体的担忧。

本文提出使用自然语义元语言（NSM）基元作为对大型语言模型中情感更基础的解释，展示其可恢复、因果可控且忠实，优于基于评估的定向方法。

本文以爱荷华赌博任务为测试平台，研究诱导情绪是否会影响LLM的序贯决策。作者发现，虽然情绪诱导对平均决策动态没有显著影响，但愤怒情绪会降低对惩罚的敏感性并减少早期阶段的探索。

本文提出一个扩展的疏散框架，将认知、情感、社交和人格机制整合到基于智能体的不确定性人类行为仿真中。该框架建模动态事件意识、记忆、恐惧以及基于OCEAN的人格，展示了其对疏散效率和真实人群现象的影响。

介绍了MMEE，一个包含7种语言、34种情感类别、共10,000条话语的多语言多情感强调语料库，并在多种迁移设置下对强调检测模型进行了基准测试，发现多语言训练能显著提升鲁棒性，而单语言模型的零样本迁移能力有限。

EMORSION 提出了一项概念验证研究，探讨电影音频参数（频率、动态、方向性）如何影响观众在影院环境中的情感和沉浸感，发现不同混音之间存在可测量的差异。

本文发现了现代大语言模型与人类脑电图信号之间共有的效价轴（V-axis），表明LLM内部表示中的一个单一方向与对情感刺激的神经反应一致。它还识别了饱和规律，解释了为何基于LLM的监督无法改善脑电图解码，以及如何利用残差多样性提升性能。