C2F-Thinker：基于提示引导的粗到细推理强化学习用于多模态情感分析
计算与语言
2026-04-14 v2 人工智能
摘要
多模态情感分析旨在整合文本、语音和视觉信息以实现深层情感理解。尽管通过监督微调取得了进展，但多模态大型语言模型（MLLM）的“黑箱”本质阻碍了可解释性。链律推理（Chain-of-Thought, CoT）虽提供了潜在解决方案，但受限于高昂的手动标注成本以及强化学习（RL）固有的奖励稀疏和稀疏探索效率问题。本文提出 C2F-Thinker 框架，融合粗到细结构化推理与提示引导 RL，构建两阶段渐进式训练管道。第一阶段，我们采用来自大型教师模型提炼的高质量 CoT 数据进行 cold-start 监督微调，包含三个 distinct 阶段：极性判断、中间分析和细粒度评分。这为基础模型构建结构化情感推理范式。第二阶段，我们引入提示引导的群体相对策略优化（Group Relative Policy Optimization, GRPO）算法。通过在抽样过程中注入正确的初始极性预测作为提示，模型被引导至准确的推理路径，从而有效缓解级联错误并提升稀有样本的利用率。此外，设计了多维度奖励函数，集成分类、回归和格式约束，以细化预测精度同时保持可解释性。实验结果表明，C2F-Thinker 在细粒度情感回归任务上实现了与基线相当的性能，同时在跨域泛化方面显著优于基线。这凸显了其在构建可靠且稳健情感分析系统方面的潜力。
引用
@article{arxiv.2604.00013,
title = {C2F-Thinker: Coarse-to-Fine Reasoning with Hint-Guided Reinforcement Learning for Multimodal Sentiment Analysis},
author = {Miaosen Luo and Zhenhao Yang and Jieshen Long and Jinghu Sun and Yichu Liu and Sijie Mai},
journal= {arXiv preprint arXiv:2604.00013},
year = {2026}
}