論文の概要: VISTA: Value-Informed Event Appraisal for Multimodal Emotion Conflict
- arxiv url: http://arxiv.org/abs/2609.37324v1
- Date: Tue, 29 Sep 2026 12:01:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.455682
- Title: VISTA: Value-Informed Event Appraisal for Multimodal Emotion Conflict
- Title（参考訳）: VISTA:マルチモーダル感情対立のための値インフォームドイベント評価
- Abstract要約: 学習した7フィールド評価インタフェースであるVISTA(Value-Informed Semantic Trust Arbitration)を紹介する。
log-oddsの分解は、感情の期待とキューの診断を分離し、証拠がどのように解釈されるかを評価するインターフェイスを動機付けます。
- 参考スコア（独自算出の注目度）: 13.841354936843592
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Conflicting emotional cues can be individually valid: a subdued voice may reflect a blocked goal while a smile satisfies a social obligation. Their interpretation depends on what the event means to the person. We introduce VISTA (Value-Informed Semantic Trust Arbitration), a learned seven-field appraisal interface that conditions modality arbitration on concerns, event relations, and expression conditions while retaining a joint-evidence residual. A log-odds decomposition separates emotion expectation from cue diagnosticity, motivating an interface that lets appraisal change how evidence is interpreted. With a shared Qwen2.5-Omni-7B backbone and matched training examples and steps, VISTA reaches 64.5% conflict accuracy on CA-MER, improving on modality gating by 2.5 percentage points on conflict and 0.2 on consistency. Shuffling appraisal across scenes or removing its decision connection reduces this benefit. A common frozen-backbone probe reaches 0.600 macro CCC for appraisal readout, compared with 0.505 for emotion-only fine-tuning. Evaluations across five benchmarks connect recognition under increasing conflict with appraisal readout and downstream decision use. Together, the analyses and experiments support scene-specific appraisal as an intermediate representation that helps interpret conflicting emotional evidence.
- Abstract（参考訳）: 屈服した声はブロックされた目標を反映し、笑顔は社会的義務を満たす。
彼らの解釈は、その出来事が人にとって何を意味するかによって異なる。
VISTA(Value-Informed Semantic Trust Arbitration)は,関心事,事象関係,表現条件の調停を条件とした学習7フィールド評価インタフェースである。
log-oddsの分解は、感情の期待とキューの診断を分離し、証拠がどのように解釈されるかを評価するインターフェイスを動機付けます。
共有Qwen2.5-Omni-7Bのバックボーンとトレーニングの例とステップが一致し、VISTAはCA-MERで64.5%のコンフリクト精度に達し、コンフリクトで2.5ポイント、一貫性で0.2ポイント向上した。
シーン間の評価をシャッフルしたり、決定接続を削除したりすることで、このメリットを減らします。
一般的な冷凍バックボーンプローブは、評価読解のために0.600マクロCCCに達するが、感情のみの微調整では0.505である。
5つのベンチマークで評価された評価は、評価の読み出しと下流の判断使用との対立が増す中で認識を結びつける。
分析と実験は、相反する感情的証拠を解釈するのに役立つ中間的な表現として、シーン固有の評価を支持している。
関連論文リスト
- AffectReveal: Event-Grounded Emotion Recognition Beyond Visual Appearances [59.819731792217915]
事象中心感情認識(EGER)を定式化する
10,052本のビデオと10,734本の画像からなるEGER-Benchを11つの感情で構築する。
提案するAffectRevealは,まずエビデンスに基づく代替品を独立に構築・検証する,チューニング不要なフレームワークである。
論文 参考訳（メタデータ） (2026-09-29T02:48:55Z) - Truth for Believable AI: Expressed Doubt, Provenance, and Belief Revision as an Engineerable Stance [0.0]
定型言語モデル上での動作層として,不確実性,先入観を意識したアサーション,明示的信念のリビジョンを実装できるかどうかを検証した。
合成モデルとQwen2.5-0.5B-インストラクタを用いて,機械的に評価したマルチセッションベンチマークを用いて評価を行った。
論文 参考訳（メタデータ） (2026-09-22T11:34:53Z) - DuplexSpeechBench-IFEval: Evaluating Implicit Instruction Following in Full-Duplex Voice Agents [67.07361089429757]
6つのリアルタイム音声システムを用いて, 実時間床の付着度を測定した。
アーキテクチャに依存したトレードオフを見つけます。
GPT-Realtime, Mini-o Duplex, Fun-Audio-Chatはペルソナ一貫性のあるコンテンツに強く固執する。
論文 参考訳（メタデータ） (2026-09-03T06:28:02Z) - E$^3$mo-Bench: A Scalable Benchmark for Multimodal Evoked and Expressed Emotion Understanding via Bayesian Pairwise Alignment [41.40354084103659]
E$3$mo-Benchは、誘発された感情や表現された感情を理解するためのスケーラブルなベンチマークである。
感情認識、オープンボキャブラリ認識、VAD(valence-arousal-dominance)評価という3ドルの補完的タスクを通じて、誘発された感情理解と表現された感情理解を評価する。
E$3$mo-Scoreは、VAD推定を改善するために、5つのモデル委員会から相補的な判断を集約するトレーニングフリーエージェントである。
論文 参考訳（メタデータ） (2026-08-11T11:05:22Z) - ConflictScore: Identifying and Measuring How Language Models Handle Conflicting Evidence [48.938290419832335]
我々は、モデル応答が、その基盤となる文書における矛盾する証拠をどのように認識するかを定量化する新しいメトリクスであるConflictScoreを紹介する。
我々のフレームワークは, 反応を原子的クレームに分解し, それぞれのクレームに対して各クレームをラベル付けし, それらのラベルを2つの補完的尺度に集約する。
論文 参考訳（メタデータ） (2026-06-24T23:00:09Z) - Evaluating Interactive Reasoning in Large Language Models: A Hierarchical Benchmark with Executable Games [20.896576101848655]
本稿では,推論を積極的証拠獲得と信条更新として扱う,推論評価のための多ターン対話型フレームワークを提案する。
フレームワークを474の実行可能なゲームのベンチマークとしてインスタンス化し、それぞれ5つの難易度に対応する5つの固定構成探索空間で評価する。
その結果、ベンチマークは高い差別性を示し、成功率だけでなく相互作用効率にも大きな違いが明らかとなった。
論文 参考訳（メタデータ） (2026-05-26T09:12:30Z) - To Fuse or to Drop? Dual-Path Learning for Resolving Modality Conflicts in Multimodal Emotion Recognition [87.22988227382329]
マルチモーダル感情認識(MER)は、テキスト、音声、視覚を組み合わせることで恩恵を受けるが、標準的な融合は、モダリティが相反する場合に失敗することが多い。
我々は,いつフューズするか,いつモダリティを落とすのかを学習する統合フレームワークであるDual-Path Conflict Resolution (DCR)を提案する。
論文 参考訳（メタデータ） (2026-05-06T13:11:33Z) - 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) - A Coin Flip for Safety: LLM Judges Fail to Reliably Measure Adversarial Robustness [57.510025257780306]
既存の検証プロトコルは、レッドチーム固有の分散シフトを考慮できないことを示す。
我々は、より一貫して判断可能な振る舞いのベンチマークであるReliableBenchと、判断失敗を公開するために設計されたデータセットであるJiceStressTestを提案する。
論文 参考訳（メタデータ） (2026-02-04T15:13:35Z)
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。