論文の概要: AffectOmni: RL-Verifiable People-Centric Grounded Affective Reasoning for Social and Art-Related Scenes
- arxiv url: http://arxiv.org/abs/2608.26193v1
- Date: Mon, 24 Aug 2026 11:25:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.115381
- Title: AffectOmni: RL-Verifiable People-Centric Grounded Affective Reasoning for Social and Art-Related Scenes
- Title（参考訳）: AffectOmni: 社会的・芸術的な場面に対するRL-Centric Grounded Affective Reasoning
- Abstract要約: マルチモーダル大言語モデル(MLLM)は,VQAとシーン理解において高い性能を発揮する。
モデルは、マイクロ表現やボディランゲージのような人中心の手がかりを無視しながら、正しい答えを予測できる。
本稿では、感情的推論を検証可能なフレームワークであるAffect Omniを提案する。
- 参考スコア（独自算出の注目度）: 59.134503227559634
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multimodal large language models (MLLMs) achieve strong performance on VQA and scene understanding, yet affective reasoning remains vulnerable to shortcut behavior. Models may predict correct answers while neglecting people-centric cues such as micro expressions and body language, which weakens traceability and external verification. Prior reinforcement learning approaches mainly reward context or logical coherence without explicitly enforcing attention to human evidence. In addition, LLM as a Judge scoring often suffers from score clustering, which reduces reward discriminability. We propose AffectOmni, a GRPO trained framework for verifiable affective reasoning. AffectOmni introduces People Focus and Temporal Order rewards to encourage people-centric evidence selection and temporally structured reasoning, and it adopts within-group comparative scoring to produce more stable and discriminative reward signals. For verification, a Thinking Summarizer converts free form rationales into executable evidence instructions, which are grounded into pixel level evidence regions via SAM3 to provide an externally auditable interface outside the training loop. Experiments on IntentBench, Daily Omni, and WorldSense show consistent improvements over open source 7B scale baselines, including gains of 4.66% on emotion recognition and +14.29% on temporally sensitive tasks. Code is available at https://github.com/eliot127825-rgb/AffectOmni_nobody.
- Abstract（参考訳）: マルチモーダルな大言語モデル (MLLM) はVQAとシーン理解において強い性能を発揮するが、感情的推論はショートカット動作に弱いままである。
モデルは、マイクロ表現やボディランゲージのような人中心の手がかりを無視しながら正しい答えを予測し、トレーサビリティと外部の検証を弱める。
事前強化学習アプローチは主に、人間の証拠に明示的に注意を向けることなく、文脈や論理コヒーレンスに報いる。
加えて、審査員のスコアリングとしてのLLMは、しばしばスコアのクラスタリングに悩まされるため、報酬の識別性が低下する。
AffectOmniは、感情的推論を検証するためのGRPOトレーニングフレームワークである。
AffectOmni氏は、人中心のエビデンスの選択と時間的に構造化された推論を促進するために、人焦点と時間順の報酬を導入し、グループ内比較スコアを採用して、より安定的で差別的な報酬信号を生成する。
検証のために、Thinking Summarizerは、自由形式論理を実行可能なエビデンス命令に変換し、SAM3を介してピクセルレベルのエビデンス領域に基底を置き、トレーニングループの外側に外部監査可能なインターフェイスを提供する。
IntentBench、Daily Omni、WorldSenseの実験では、感情認識の4.66%、時間に敏感なタスクの+14.29%など、オープンソースの7Bスケールベースラインよりも一貫して改善されている。
コードはhttps://github.com/eliot127825-rgb/AffectOmni_nobodyで入手できる。
関連論文リスト
- LLM Reasoning for Subjective Tasks: Failure Modes, Mitigation, and Dynamic Reasoning Routing [7.632217365130212]
明示的推論が主観的で人間中心の産業ごみに一般化するか否かを考察する。
検証精度が0.38マクロF1に近いのは, 採用した推論ペルソナにのみ依存することを示す。
この作業は、スケーラブルなアルゴリズムパッチと、推論モデルと現実の主観的制約を整合させる長期的なアーキテクチャの青写真の両方を提供する。
論文 参考訳（メタデータ） (2026-08-09T20:02:44Z) - Seirênes: Adversarial Self-Play with Evolving Distractions for LLM Reasoning [56.48520300004217]
本稿では、文脈干渉を内部の訓練信号に変換するセルフプレイのRLフレームワークであるSeyrnesを紹介する。
単一のモデルでは、可視的かつ気を散らすようなコンテキストの構築と、それ自身で盲点を露呈するように訓練されている。
これらの競合する目標を互いに衝突させることで、Sailnes氏は、表面的なパターンマッチングを超えてモデルを補完する。
論文 参考訳（メタデータ） (2026-05-12T06:58:35Z) - From Prediction to Justification: Aligning Sentiment Reasoning with Human Rationale via Reinforcement Learning [22.540816588473557]
ABSA-R1は、理由予測の認知プロセスを模倣するように設計された大規模な言語モデルフレームワークである。
我々は、生成した推論パスと最終的な感情ラベルとの一貫性を強制する認知アライメント・リワードモデル(以前の感情認識報酬モデル)を導入する。
この明示的な推論能力を持つモデルが、解釈可能性を高めるだけでなく、感情分類や三重項抽出において優れた性能をもたらすことを示す。
論文 参考訳（メタデータ） (2026-04-15T01:55:40Z) - Reinforce to Learn, Elect to Reason: A Dual Paradigm for Video Reasoning [17.78591587115095]
Reinforce to Learn, Elect to Reason (RLER) は、信頼できる回答から証拠を得るために学習を分離する二重パラダイムである。
RLERはすべてのベンチマークで最先端を達成し、ベースモデルよりも平均6.3%改善されている。
論文 参考訳（メタデータ） (2026-04-06T03:01:52Z) - Balancing Faithfulness and Performance in Reasoning via Multi-Listener Soft Execution [79.98699884805636]
Reasoning Execution by Multiple Listeners (REMUL) は多人数の強化学習手法である。
REMULは、推論が他の当事者に従えるかがより忠実になるという仮説に基づいている。
スピーカーは、リスナーにとって明らかな推論を生み出すことで報われます。
論文 参考訳（メタデータ） (2026-02-18T02:55:55Z) - ADEPT: RL-Aligned Agentic Decoding of Emotion via Evidence Probing Tools -- From Consensus Learning to Ambiguity-Driven Emotion Reasoning [67.22219034602514]
ADEPT(Agentic Decoding of Emotion via Evidence Probing Tools)は,感情認識をマルチターン探索プロセスとして再構成するフレームワークである。
ADEPTはSLLMを進化する候補感情を維持するエージェントに変換し、専用のセマンティックおよび音響探査ツールを適応的に呼び出す。
ADEPTは、ほとんどの設定において主感情の精度を向上し、微妙な感情の特徴を著しく改善することを示した。
論文 参考訳（メタデータ） (2026-02-13T08:33:37Z) - ALIVE: Awakening LLM Reasoning via Adversarial Learning and Instructive Verbal Evaluation [4.265094703231012]
ハンズフリーアライメントフレームワークである textbfALIVE (emphAdrial Learning with Instructive Verbal Evaluation) を導入する。
対人学習とインストラクティブな言語フィードバックを結合することにより、ALIVEはモデルが生のコーパスから直接評価基準を内在化できるようにする。
同一のデータと計算により、ALIVEはクロスドメインの一般化を著しく改善し、自己補正率も向上した。
論文 参考訳（メタデータ） (2026-02-05T09:20:23Z) - Perceptual-Evidence Anchored Reinforced Learning for Multimodal Reasoning [29.78411369746505]
PEARLは二重ブランチの知覚推論の相乗効果であり、視覚的証拠に明示的に固定することで多モーダル推論を強化する。
PEARLはマルチモーダル推論ベンチマークにおいて、ベースラインよりも+9.7%改善し、MathVerseではGRPOよりも+6.6%向上した。
論文 参考訳（メタデータ） (2025-11-23T13:15:58Z) - RLVER: Reinforcement Learning with Verifiable Emotion Rewards for Empathetic Agents [67.46032287312339]
大規模言語モデル(LLM)は論理的およびアルゴリズム的推論において優れているが、彼らの感情的知性(EQ)は認知能力よりもはるかに遅れている。
シミュレーションユーザによる検証可能な感情報酬を活用する,最初のエンドツーエンド強化学習フレームワークであるRLVERを紹介する。
以上の結果から,RLVERは感情的知的で幅広い言語エージェントへの実践的な経路であることが示唆された。
論文 参考訳（メタデータ） (2025-07-03T18:33:18Z) - Learning to Reason without External Rewards [100.27210579418562]
RLVR(Reinforcement Learning with Verifiable Rewards)による複雑な推論のための大規模言語モデル(LLM)の訓練は、費用がかかるドメイン固有の監督に依存して効果的であるが制限されている。
内部フィードバックからの強化学習(Reinforcement Learning from Internal Feedback, RLIF)は、LLMが外部の報酬やラベル付きデータなしで本質的な信号から学習できるフレームワークである。
本稿では,モデル自身の信頼度を利用したRLIF手法であるIntuitorについて,その唯一の報奨信号として自己確実性(self-certainty)を提案する。
論文 参考訳（メタデータ） (2025-05-26T07:01:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。