arXiv cs.AI· Siyu Wu, Zeyu Liang, Linghao Wang, Qiyun Zheng, Yi Yao, Ling Lo, Hongxia Xie·· 11 小时前AI 评分31
CASE：面向冻结多模态情感模型的混淆感知技能进化框架
CASE: Confusion-Aware Skill Evolution for Frozen Multimodal Emotion Models
AI 导读
研究者提出 Confusion-Aware Skill Evolution（CASE），首个面向多模态情感识别（MER）的智能体技能框架，通过维护可自我进化的 EmotionSkill 库纠正语义相邻情感间的混淆，推理时保持 MLLM 主干冻结。
正文 · AI 翻译
摘要：多模态大语言模型（MLLMs）通过对多模态证据进行推理，实现了细粒度的情感理解，从而大幅推进了多模态情感识别（MER）的发展。然而，它们仍然在语义相邻、多模态线索高度重叠的情感之间表现出系统性的混淆。现有方法通常通过全局参数适配来处理这些错误，使得混淆纠正成本高昂且缺乏灵活性。我们转而观察到，情感混淆具有高度局部化的特点，因此更适合通过可复用的成对特定专业知识来解决。基于这一洞见，我们提出了混淆感知技能演化（CASE），这是首个面向 MER 的智能体技能框架。CASE 维护一个稀疏、可自我演化的成对特定 EmotionSkills 库，将情感专业知识从模型参数中外化，使学到的专业知识能够持续精炼，并易于迁移到多种冻结的 MLLM 主干模型上。在推理过程中，CASE 动态检索合适的 EmotionSkill 以强化边界感知推理，同时保持 MLLM 主干模型冻结。在 CA-MER、DFEW 和 EMER 上的大量实验证明了 CASE 在通用型和情感专用型 MLLM 上的有效性和可迁移性。值得注意的是，CASE 将 Qwen3-VL-8B 在 CA-MER 基准上的平均准确率从 46.80% 提升至 59.13%，同时在各类 MLLM 上均取得了一致的增益。
| 评论： | 9 页，6 幅图，4 张表 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.32481 [cs.AI] |
| （或 arXiv:2610.32481v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32481 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Siyu Wu [查看电子邮件]
[v1]
2026 年 10 月 23 日星期五 10:50:03 UTC（3,430 KB）
来源：arXiv cs.AI · arxiv.org