arXiv cs.AI· Hao Li, Jinye Zhang, Bobo Li, Mong-Li Lee, Wynne Hsu, Zheng Wang, Hao Fei, Min Zhang·· 9 天前AI 评分20
TRACE：面向认知的真实社交场景情绪因果链追踪框架与 TRACE-Bench 基准
Cognition-Oriented Emotion Tracing from Causes to Consequences in Real-World Social Scenes
AI 导读
研究者提出认知导向框架 TRACE，将情感事件形式化为 Condition、Affect、Effect 三个关联阶段，并构建 TRACE-Bench，用 646 个视频上的 3,746 条结构化问答覆盖情感识别、调节解码、原因推理、结果推理与全链重建五项任务。
正文 · AI 翻译
摘要：情感计算已从分类式情感识别发展到利用大型多模态模型进行开放式情感分析。然而，情感科学将情感描述为一个由评价、调节和社会解释所塑造的展开过程，这一点在计算层面仍未被充分探索。我们提出 TRACE，一个以认知为导向的框架，通过三个相互关联的阶段——条件、情感和效果——将情感事件形式化，把可观察线索与内部立场、情绪表达调节等认知因素相结合。基于这一形式化，TRACE-Bench 通过五项任务在真实社会场景中评估多模态模型，涵盖有依据的情感识别、调节解码、原因推理、效果推理和全链条重建，包含覆盖 646 个视频的 3,746 个结构化问答对。一项匹配的人机对比揭示了显著的性能差距，而情感专用模型也普遍落后于通用 MLLM。模型输出显示出反复出现的失败，包括将表现出的行为当作真实感受，以及在长链生成过程中捏造无依据的事件。我们进一步提出 TRACER，一种以认知为基础的结构化推理方法，将每次推断与来自事实观察、认知评价和已确立的上游结论的明确前提相耦合，形成中间结论和目标结论的可追溯图。TRACER 在五项任务中的每一项上都优于所有被评估的模型基线。项目页面：this https URL
| Comments: | Submitted to IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). Project page: this https URL |
| Subjects: | Artificial Intelligence (cs.AI) |
| Cite as: | arXiv:2610.11410 [cs.AI] |
| (or arXiv:2610.11410v1 [cs.AI] for this version) | |
| https://doi.org/10.48550/arXiv.2610.11410 arXiv-issued DOI via DataCite (pending registration) |
Submission history
From: Li Hao [view email]
[v1]
Thu, 8 Oct 2026 07:40:44 UTC (3,478 KB)
来源：arXiv cs.AI · arxiv.org