词级 logits 至关重要：深入探究情感模糊识别中的语音基础模型

情感智能在对话式 AI 中在诸多领域（如人机交互）中至为重要。虽然已develop许多模型，但常常忽视了人类情感本身所蕴含的复杂性与模糊性。在大型语音基础模型（SFM）时代，理解其在识别模糊情感方面的能力，对开发下一代情感感知模型至关重要。本研究考察了 SFM 在模糊情感识别中的有效性。我们设计了用于模糊情感预测的提示词（prompt），并引入两种新方法来推断模糊情感分布：一种是分析生成的文本响应，另一种是通过词级 logits 考察 SFM 的内部处理过程。我们的发现表明，尽管 SFM 可能无法为模糊情感一致生成准确的文本响应，但它们能够基于先验知识在词级层面解释此类情感，显示出在不同提示词下的鲁棒性。