EmoS：面向细粒度流式情感理解的高保真多模态基准
计算与语言
2026-05-12 v1
摘要
在当今高压、老龄化的社会背景下，能够提供共情支持的大规模情感模型需求日益紧迫。然而，现有基准测试未能同时实现生态有效性、信号清晰性与可靠的细粒度标注。我们引入 EmoS，一个高保真双语基准，旨在通过结合严格筛选的静态切片与动态流式独白子集，解决现有数据集在生态有效性与噪声方面的局限性。基于严谨的双层人工标注管道，EmoS 提供可信赖的真实标注，捕捉连续情感演变。经验结果表明，在 EmoS 上微调的多模态大型语言模型（MLLM）相对于零样本基准实现显著提升，为未来情感识别模型和共情模型的训练与评估奠定了基础。数据集与代码已公开于 https://github.com/NLP2CT/EmoS。
引用
@article{arxiv.2605.08847,
title = {EmoS: A High-Fidelity Multimodal Benchmark for Fine-grained Streaming Emotional Understanding},
author = {Pengze Guo and Jingxi Liang and Zhiwen Xie and Qifeng Wang and Derek F. Wong},
journal= {arXiv preprint arXiv:2605.08847},
year = {2026}
}
备注
acl - 2026 main accepted