AffectOmni

新框架 AffectOmni 通过可验证的人类线索增强 LLM 的情感推理能力

研究人员开发了 AffectOmni，一个旨在提高多模态大语言模型 (MLLM) 情感推理能力的框架。该新系统专注于人们常常忽略的以人为中心的线索，如微表情和肢体语言。AffectOmni 使用强化学习，对证据选择和时间推理进行特定奖励，并采用比较评分方法来增强奖励信号的可辨别性。为了进行外部验证，它使用 SAM3 将推理过程转换为基于像素级证据的、可执行的指令，从而创建了一个可审计的接口。