📄 线索各自成立时，用事件评价决定该信哪一路信号
英文题目：VISTA: Value-Informed Event Appraisal for Multimodal Emotion Conflict
标签：#语音情感识别 | #多模态学习 | #音视频 | #SFT
评分：7.0/10 | 创新 1.5/2 | 技术严谨 1.2/1.5 | 实验充分 1.2/1.5 | 清晰度 0.8/1 | 影响力 1/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 1/1.5
👥 作者与机构
- Jiale Dai：机构信息未在 arXiv HTML 中可靠披露
- Liuxian Ma：机构信息未在 arXiv HTML 中可靠披露
- Xiaoke Niu：机构信息未在 arXiv HTML 中可靠披露
- Wenjing Zhang：机构信息未在 arXiv HTML 中可靠披露
- Huiying Zhao：机构信息未在 arXiv HTML 中可靠披露
- Zhaoxiang Liu：机构信息未在 arXiv HTML 中可靠披露
- Shiguo Lian：机构信息未在 arXiv HTML 中可靠披露
- Guojie Song：机构信息未在 arXiv HTML 中可靠披露
📌 核心摘要
多模态情感识别需在文本、音频与视频线索冲突时输出与多模态参照一致的情感类别，难点在于同一表情在不同关切下诊断意义完全相反。价值知情语义信任仲裁（Value-Informed Semantic Trust Arbitration，VISTA）先由共享主干预测涵盖关切与事件关系的七字段评估状态，再以该状态调节三路单模态分支权重，最后将加权分支对数与联合证据残差相加得到情感分布。相对仅学习模态可靠性的门控机制，该设计允许评估改变线索解释而非仅移动先验，并保留直接证据通路以避免信息瓶颈。在CA-MER冲突评测下，VISTA的准确率为64.5%，高于Modality-Gate-SFT的准确率62.0%，而一致子集基本持平呈现冲突特异性增益。跨EmoMM、CH-SIMS v2与MELD的评估显示冲突越强获益越大，其适用边界受限于缺失模态与高延迟场景下优势收窄且尚未验证跨语言外推。单种子通用训练约消耗72个GPU小时，中位推理延迟为15.5秒，工程代价显著高于短输出基线。
🔗 开源与复现资源
本次未形成可展示的已核验资源记录，开放状态尚未核实。
可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。
🧭 深度解读
输入是什么，目标是什么，为什么冲突值得单独研究？
这篇论文的输入是同一个人、同一事件的多模态情感证据，包括文本、音频、视频与识别时上下文，目标是给出情感类别或情感强度。必须保留的信息是各模态各自的情感标注、冲突划分方式、评价字段定义与训练匹配条件，输出是冲突与一致条件下的识别准确率、评价可读性与下游决策可用性。本文解读只讲论文实际做的多模态情感冲突识别，不把通用多模态理解的结论直接搬过来。
论文先做了一个可核对的公共标注审计：在固定 3 类映射下，已发布片段中有大量文本、音频、视觉极性不完全一致的情形，说明跨模态分歧不是少数噪声。论文进一步区分宽泛分歧与强冲突，用阈值规则把成对差异超过阈值的样本记为冲突。教学例子是落选者笑着说祝贺但声音低沉：文字与笑容可能执行公开礼貌，声音反映目标受阻，该例子只用于说明同一线索可有不同含义，不作为模型预测。
为理解同一线索为何需要场景含义，论文用一个构造比较固定观测与线索，只改变左侧候选人的目标：想被选中时落选构成阻碍，微笑可解释为礼貌；不想承担该职位时同一落选构成顺应，低沉声音反而需要另找解释。共享的公开场合提供表达条件。这个例子表明，判断该信哪一路信号之前，需要先表示事件对当事人意味着什么。
下面这段先交代该构造图的阅读范围，再给出图本身，读图时不要把它当作模型输出或基准样本。
看图路径： 1. 先看左侧观测框，确认祝贺文本、可见微笑与低沉声音三线索被固定；2. 再对比右侧两种关切下目标一致性分别标注为阻碍与支持；3. 最后看底部共享表达条件，确认公开礼貌如何同时约束两种解读
论文图 1。原论文 Figure 1:：“The same cues can have different meanings under different concerns.”。
该构造图把观测、关切、一致性判断与表达条件放在同一版式中，左右两路只有目标文字不同，其余线索与场景设定保持相同。底部同时标注共享的表达条件，说明公开礼貌如何约束两种解读。该图的作用是引出后文七字段评价为何要同时记录关切、结果关系与表达条件。
已有路线解决了什么，还剩哪个解释问题？
跨模态注意力与共享私有表征主要组织互补证据，均衡优化处理模态使用不均，冲突感知评测追问哪一路与情感参考一致。冲突引导注意力的方法用冲突调整注意力，强情感冲突筛选方法用单模态标注差距筛选严重样本，类别冲突与极性分歧评测把问题扩展到更多冲突类型。价值与评价表示方面，已有工作用价值表示做情感分类，或评测评价推理与干预，或用评价做情感原因抽取，或提供人类视听评价标注。这些工作多回答评价能预测什么或检索什么。
论文把自己的位置放在识别时刻的线索解释：关切与表达条件同时进入仲裁与预测，而对应性与连接性检验检查该接口的贡献。概念瓶颈支持概念监督与干预，VISTA 保留直接证据通路，使评价成为辅助决策接口。论文明确区分内部评价依赖、展示性解释文本与计算路径的语义作用，改写外部解释而固定内部状态的对照就是为此设计。
已有路线能判断信号是否可靠，但可靠的微笑在不同场合仍可支持不同情感。剩下的解释问题是把线索与人物对事件的关系连接起来，使线索的诊断作用随场景改变。这正是后文引入关切、一致性与表达条件的理由。
冲突如何定义，哪些比较是可比的？
论文用模态特定情感标注定义成对冲突，至少两个已标注模态的最大成对差异超过阈值即为冲突。类别情感用是否相等做差异，标量情感用绝对差并在固定尺度上取阈值。主评测采用固定划分：恰好一个单模态标签与多模态参考一致，另一个不一致。一致子集要求音频、视频与多模态标签三者一致，不在 3 组划分内的全不一致情形不进入该 3 组评测。
互补定义还包括参考型冲突与强度分组：前者在至少一个可用模态极性与联合参考不同时记为冲突，缺失是独立受控条件；后者用 3 个单模态标签的成对绝对差之和度量冲突强度，并按训练集固定边界划分强度组。比较是否公平取决于输出接口与训练条件，主比较的训练模型共享主干、样本与优化计划，外部方法在同一归一化输出接口下重评，其分数与原论文开放词表分数属于不同比较语境，不应直接混用。
可比性还要求聚合口径一致：冲突平均是两个冲突方向的等权平均，总体准确率是 3 组等权平均。强度组边界由训练集固定后原样用于测试，缺失条件与冲突加缺失条件存在重叠，其宏平均是条件等权汇总而非全样本准确率。核对数字时要同时核对数据集、模型、阶段、指标与聚合对象。
全景是什么，一个样本走完经历了什么？
VISTA 的全称是基于价值的语义信任仲裁。输入仍是文本、音频、视频与识别时上下文。一个样本先经过主干得到 4 个表征：文本、音频、视频各自前向与一个联合前向，取最终归一化后、评价生成前的位置向量。接着模型生成七字段评价预测，再由仲裁网络结合单模态表征、评价预测与单模态概率给出各模态权重，最后把加权单模态结果与联合残差相加后做归一化得到情感分布。训练时还有评价、冲突与仲裁监督，推理时使用预测评价，人类评价只作特权对照。
下面这段先说明框架图的阅读顺序，再给出图本身，重点是定位评价从监督到决策的完整路径。
看图路径： 1. 沿输入到证据特征再到语义仲裁与情感预测的主箭头走一遍；2. 找到评价状态向量进入仲裁模块并输出归一化权重的位置；3. 对比下方固定证据替换评价的诊断分支与训练监督分支的箭头差异
论文图 2。原论文 Figure 2:：“An explicit appraisal interface for multimodal recognition.”。
该图的主路径从输入经证据特征到仲裁再到预测，评价向量同时作为监督对象与仲裁输入，下方面板展示固定证据替换评价的诊断与训练损失的组织。阅读时重点确认权重归一化位置与联合残差相加位置，不要把原生权重与掩蔽诊断权重混为一谈，两者在论文中是不同量。
为什么评价能改变线索含义：期望与诊断性如何分开？
论文用后验对数比分解给出设计依据。对两个情感假设、一个线索与一个评价，后验对数比等于情感期望项加线索诊断性项，前者是给定评价下哪种情感更可能，后者是该评价下线索区分两种假设的似然比。被阻碍的目标可以改变前者，礼貌义务可以改变微笑的后者，即使期望固定，仅诊断性变化也可能使决策越过二分类边界。构造算例让两种表达条件共享先验，只改变失望下积极显示的似然，论文强调这是解析计算，不是模型预测或拟合概率。
情感期望 × 线索诊断性： 情感期望是在给定事件评价下哪种情感更符合常理，线索诊断性是在同一评价下某线索区分两种情感假设的力度；VISTA 把两者分开，是为了让评价改变的不只是先验偏好，还能改变微笑与语气等线索的似然比，组合后才能解释同一微笑在礼貌场合与日常场合支持不同判断。
\[L(u,z)=\underbrace{\log\frac{P(y_{1}\mid z)}{P(y_{0}\mid z)}}_{b(z):\ \text{emotion expectation}}+\underbrace{\log\frac{P(u\mid y_{1},z)}{P(u\mid y_{0},z)}}_{\ell(u,z):\ \text{cue diagnosticity}},\]该公式先定义符号：两侧是两个情感假设，中间是线索与评价，求和两项分别是期望与诊断性；计算目标是把后验拆成与线索无关的上下文项与随评价变化的线索项。论文进一步用双线索双评价的混合对比消去先验项，若对比非零，则加性可分表示不成立，从而论证需要线索与评价的交互。原文同时提醒，预测评价本身可依赖线索，因此该分解是设计准则，不是已实现的贝叶斯模块。
七字段评价记录什么，仲裁与残差如何组合？
事件评价状态是七元组，依次为目标关切、目标一致性、预期、施动者、应对控制、规范社会相关性与表达调节。关切是想得到或保护的对象，一致性是结果对该对象的支持关系，预期、施动与控制区分事前预料、原因归属与事后可补救性，规范与调节区分社会标准与情感显示。每个字段存值、置信度、证据与有效掩码，缺失存空而不填零，施动者未知不作有效监督目标，规范各比特各自有掩码，无证据时保持缺失而非否定。
目标关切 × 目标一致性： 目标关切指当事人此刻想得到或保护什么，目标一致性指已发生结果对该关切是促进、阻碍还是无关；前者提供评价参照，后者是参照与事实的关系判断，搭配后才能说明同一落选事实对求职者是阻碍、对陪伴者是顺应，并进而改变对声音与笑容的解读。
\[\begin{split}\mathcal{I}&=[L(u_{1},z_{1})-L(u_{0},z_{1})]-[L(u_{1},z_{0})-L(u_{0},z_{0})]\\ &=[\ell(u_{1},z_{1})-\ell(u_{0},z_{1})]-[\ell(u_{1},z_{0})-\ell(u_{0},z_{0})].\end{split}\]该混合对比的符号与上节一致，两组线索与两组评价交叉相减；计算目标是检验相对线索贡献是否随评价变化。实现上，单模态结果先由各自表征线性得到，仲裁分数再由表征、评价与单模态概率经网络得到，经可用性掩码与归一化形成权重，最终结果等于联合残差加加权单模态结果。固定表征与可用性时，替换评价只改变权重，分支分歧越大，场景匹配重加权改变偏好的空间越大。
模态仲裁 × 联合证据残差： 模态仲裁按评价给文本、音频、视频分支分配权重，联合证据残差是来自多模态联合表征的固定加项；两者搭配的理由是仲裁提供随场景变化的解释，残差保留评价模式未覆盖的联合信息，组合后预测既能被场景重加权，又不完全依赖评价质量。
\[p_{\Theta}(y\mid X)=D_{\psi}(H,\alpha(H,\hat{z}))_{y}=\operatorname{softmax}\!\left(W_{f}h_{AVT}+\sum_{m}\alpha_{m}(H,\hat{z})u_{m}\right)_{y}.\]该公式中输入是证据表征集合与预测评价，权重是仲裁输出，加项是联合残差；计算目标是把场景相关的加权与场景外的联合证据结合。论文还给出表示精炼分析：在固定表征下增加预测评价不增加贝叶斯风险，由于评价是输入的函数，它不带来输入之外的新观测，只能保留被压缩表征丢掉的决策区分或使已有区分更易被学习。
规范与表达为何单列，对应性与连接性问什么？
论文把规范与表达单列，是因为同一挫折在公开场合与私下场合可有不同解释：公开时笑容与祝贺可执行同一礼貌行为，两者一致不必视为独立证据加倍；私下时同样话语可兼有为对方高兴与个人失望。施动与规范进一步区分失望与责备：绕过程序偏袒与按约定规则同样导致落选，但前者使克制责备合理，后者使接受规则而失望合理。这些构造对只说明评价关系，不作为评测预测。
规范相关性 × 表达调节： 规范相关性记录场合中哪些人际标准在起作用，表达调节判断当前可见表情是否被压抑、掩饰、夸张或礼貌性维持；前者说明场合提出了什么表达要求，后者说明该要求如何落在具体显示上，组合后才能区分两路一致的积极信号是一个礼貌行为还是两份独立证据。
对应性问另一个样本的评价能否替代本场景评价，同情感打乱在保留供体情感类别的同时改变其与当前场景的关系；连接性问保留评价辅助监督但切断其到仲裁的前向连接时提升是否还在；内容问通用语义瓶颈能否替代结构化评价；解释问改写外部理由与破坏内部评价哪一个更影响准确率。
场景对应性 × 决策连接： 场景对应性问所用评价是否属于当前样本场景，决策连接问评价是否真正进入前向加权计算；前者通过打乱评价归属来检验，后者通过保留评价监督但切断其到权重的通路来检验，组合后才能判断准确率提升是来自场景特定的评价内容参与决策，还是仅来自多任务训练的正则作用。
这组对照把场景归属、决策通路、语义组织与展示文本分开检验。跨样本打乱放松类别约束，同情感打乱保留类别但更换场景，切断连接保留监督但移除使用，改写解释固定内部状态而只动展示文本。理解这组分工后，才能进入训练与评测细节而不把多任务正则误读为场景理解。
监督从哪里来，哪些参数更新，缺什么信息？
主干是问答与多模态统一主干，冻结音频编码器、视觉编码器与语音生成部分，其余用低秩适配微调，目标为注意力投影，秩为 16。同一教师在标签不可见下每输入生成 3 个样本，候选池上 10000 例，过滤与裁决后保留 8000 例，其中自动接受、人工裁决后接受、部分字段掩码保留与拒绝各占一部分，来源覆盖中文情感片段、具身交互片段与会话数据。数百例审计覆盖冲突、模糊与一致分层，记录覆盖、采样一致性与接地，目标一致性覆盖较高，预期、规范与表达调节覆盖约 40%。标签可见的孤立对照显示复制率上升而接地下降，说明标签关联与场景接地是不同性质。
训练目标按系数组合情感、单模态、评价、冲突与仲裁损失，反事实系数为零，因此成对干预是已学响应的行为测试，不是反事实训练损失的消融。论文报告公共阶段 8000 例、3 轮、数百步、有效批量六十四、多个随机种子，通用推理与完整方法平均目标长度均为 360 token，可训练参数量级依次为十百万、十二百万与十二百万。未报告的是每字段损失归一化之外的梯度细节与教师模板之外的采样方差处理，解读时只按证据说明冻结与更新，不从模型名推定实现。
缺失值保持空而不填零，施动者未知不作目标，规范比特无证据时保持缺失而非否定，评价损失先在字段内归一化再对有效字段平均，无有效字段样本不进入分母。这样目标长度与社会相关比特数不隐式决定字段权重，部分掩码保留样本而不强行从不足证据推断每字段。
在哪些数据与协议上测，指标与聚合如何算？
主比较在 3 组等量的冲突与一致划分上进行，冲突平均为视频对齐与音频对齐的等权平均，输出经严格解析、同义词归一与 9 类词表校验，无效输出计入分母为错。跨语言与缺失评测用公共阶段检查点直接迁移，不做基准适配，一源可生成多条件输入，缺失与冲突加缺失条件重叠，4 条件宏平均为条件等权汇总而非全样本准确率。中文片段强度分组对训练模型做任务适配，主干零样本为对照，二分类含零参考标签，无效输出判错且回归误差另罚，强度组边界由训练集固定。
具身数据用冻结主干加同一 4 维线性探针读人类评价 4 维度，探针容量固定，情感强度回归预测 10 个具名情感强度。会话数据做 7 类会话情感识别的任务适配。论文的报告规则是多个种子分别算指标再等权平均后 1 次取整，对比用未取整值，因此加权分数增益与取整均值相减不必相等。不同指标的差值不放入模型列下，百分点与相对百分比含义不同。
训练历史与来源身份需要区分：公共训练、任务适配与开发集选检查点是不同阶段，来源身份跨阶段，两个不同命名样本可能共享视频、对话或媒体区间。无基准适配描述的是优化协议，不直接建立来源不相交，核对时需要规范来源比较与精确片段匹配。
增益出现在哪里，是否集中在冲突？
主结果的问题是评价是否有助于冲突而非一致输入，对照是否匹配训练量与推理长度，指标方向是准确率越高越好，增益差用百分点表示。完整方法在视频对齐、音频对齐、冲突、一致与总体上均有报告，相对模态门控，冲突增益数个百分点，一致增益零点几个百分点，特异性为两者之差；相对通用推理与情感微调，特异性同样为正。两冲突方向均为正增益，音频减视频差距缩小。同一接口下外部方法重评的冲突准确率低于完整方法数个百分点，这些分数与各自原论文开放词表分数属于不同语境。
下面这段先提出主比较的公平条件与指标方向，再给出原表，表后解释收益集中位置与代价。
| Method | Video-aligned | Audio-aligned | Conflict | Consistent | Overall |
|---|---|---|---|---|---|
| Qwen2.5-Omni Base | 49.0 | 60.0 | 54.5 | 68.0 | 59.0 |
| Emotion-SFT | 55.0 | 65.0 | 60.0 | 73.0 | 64.3 |
| Generic-CoT-SFT | 57.0 | 66.0 | 61.5 | 74.0 | 65.7 |
| Modality-Gate-SFT | 58.0 | 66.0 | 62.0 | 74.0 | 66.0 |
| VISTA | 61.0 | 68.0 | 64.5 | 74.2 | 67.7 |
表后解释是：额外收益集中在冲突，2 对齐方向均提升，一致端几乎持平；代价是更长的目标与仲裁头，未胜出项是一致端训练对照几乎相同，说明该接口不是靠一致样本取胜，边界是该表只覆盖 3 组划分，全不一致情形不在其中。特异性定义为冲突增益减去一致增益，等价于对照的冲突落差减去完整方法的冲突落差，符号为正表示提升更大地落在观测冲突子集，但需与绝对准确率一起报告。
\[S(B)=\underbrace{\mathrm{Acc}_{\mathrm{conf}}(\textsc{VISTA})-\mathrm{Acc}_{\mathrm{conf}}(B)}_{\Delta_{\mathrm{conf}}(B)}-\underbrace{\mathrm{Acc}_{\mathrm{cons}}(\textsc{VISTA})-\mathrm{Acc}_{\mathrm{cons}}(B)}_{\Delta_{\mathrm{cons}}(B)}.\]下面这段先交代冲突特异性图的阅读顺序，再给出图本身，读图时确认纵轴是准确率或百分点差。
看图路径： 1. 先看子组准确率面板中冲突点与一致点的相对位置；2. 再看冲突特异性增益面板中冲突减去一致的差值条；3. 最后看外部方法在同一输出接口下重评的冲突准确率对比
论文图 3。原论文 Figure 3:：“Conflict resolution beyond stronger reasoning and gating.”。
该图把子组准确率、冲突与一致增益、音视频差距与外部重评放在多面板中，点为聚合分数，增益与差距用百分点。读图时确认纵轴是准确率或百分点差，而非相对改善率，再结合升降方向判断好坏。外部重评在共享输出接口下进行，与原论文分数不可比。
更强冲突、缺失与跨任务是否保持同一模式？
该节问增益是否随冲突强度增大、缺失证据与普通识别是否仍有用。无适配迁移下，冲突与冲突加缺失相对通用推理增益数个百分点，一致到冲突的下降小于训练对照；但外部重评在缺失与冲突加缺失上更高，说明恢复缺席证据是另一挑战。适配后，相对情感微调从低冲突到高冲突组增益递增，最高冲突组准确率最高且平均绝对误差下降，最大增益在最高冲突组。冻结探针下完整方法宏相关高于情感微调。
下游回归中无评价、辅助监督但切断连接、生成评价、人类评价特权对照依次升高，生成评价相对辅助单独训练有数百分点的提高。会话加权分数相对情感微调提高约 1.5 个百分点，7 类召回均有提升，但类间差异仍大。
下面这段提出跨条件增益是否一致的问题，公平条件是迁移与探针为冻结而适配任务各自适配，指标方向是准确率与相关越高越好，再给出整理表。
| 条件 | 指标 | 基线 | 本方法 | 比较对象 |
|---|---|---|---|---|
| 评价探针 | 宏 CCC | 0.505 | 0.600 | 情感微调 |
| 下游回归 | 宏 CCC | 0.415 | 0.450 | 辅助单独训练 |
表后解释是主要收益随冲突强度增大且在缺失与普通识别中保持，但未胜出项是缺失条件下外部路由器更高，下游人类评价仍领先生成评价，说明生成评价有用但未达到特权上限，反例是冻结评价提示本身冲突仅数 10 个百分点，不及通用推理提示，训练后顺序反转，支持已学习接口的作用。
下面这段提出相关路线角色对照的问题，条件是识别时线索解释而非标签预测或支持检索，再给出原表。
| Approach | Organizing signal | Decision role | Evaluation focus |
|---|---|---|---|
| Wang et al. (2026) | Expectations and their violations | Predict emotion labels and shifts | Emotion labels and transition dynamics |
| AG-CTR2 (Chu et al., 2026) | Event understanding, appraisal, and coping | Retrieve support using appraisal chains | Support generation and retrieval-query quality |
| CHASE (Sun et al., 2026a) | Modality hidden states and attention preferences | Detect conflict and steer head-level attention | Recognition under conflict and missingness |
| VISTA | Concerns, event relations, and expression conditions | Condition modality arbitration and affect prediction | Conflict gains, correspondence, and decision access |
表后解释是该表不提供同条件胜负，只是角色对照，完整方法的特异性在于以关切、事件关系与表达条件同时调节仲裁与预测，并用对应与连接检验定位收益；跨表分数不可比，评价可读与下游可用分别由不同数据集承担，不能平均为单一总分。
去掉场景对应与决策连接后，收益还剩多少？
该节问准确率提升是否依赖场景特定的评价内容参与预测。保留评价监督但切断其到仲裁的前向连接，冲突准确率低于完整方法；通用语义瓶颈低于完整方法，随机化字段名仍接近完整方法，说明组织化内容比字面字段名更重要。跨样本打乱低于完整方法，同情感打乱保留供体情感类别仍有损失，支持事件特定信息。去掉表达调节与去掉各项监督分别带来不同程度下降。
改写外部解释而固定内部状态保持不变，破坏内部评价而保留解释回到打乱水平。原生视觉音频权重随对齐方向交叉，门控主导权重数值不同，这些是条件均值，与掩蔽诊断权重不同。
下面这段提出收益来自内容、对应还是连接的问题，公平条件是固定检查点替换评价或重训切断变体，指标方向是冲突准确率越高越好，再给出整理表。
| 干预 | 冲突准确率 | 一致准确率 | 冲突损失 | 对照含义 |
|---|---|---|---|---|
| 同情感打乱 | 63.7% | 74.0% | 0.8 | 保留类别换场景 |
| 切断决策连接 | 62.5% | 74.0% | 2.0 | 有监督无使用 |
表后解释是最大损失来自跨样本打乱与切断连接，通用瓶颈与字段改名损失较小；代价是这些聚合替换不估计 4 条件线索交互，负结果是字段名随机化几乎无影响，边界是同情感打乱按测试金标签分层，属于离线机制诊断。相关干预中方向一致与标签改变是两个判断，无关改写稳定是另一配对集，概率移动与越过类别边界不能混为一谈。
下面这段先交代机制图的阅读顺序，再给出图本身，读图时区分原生权重与掩蔽诊断。
看图路径： 1. 先读左侧热力表中各类打乱与切断带来的冲突损失数值；2. 再看中间条件权重图中视觉与音频权重随对齐方向的交叉；3. 最后看右侧干预表中方向一致、标签改变与无关改写稳定三列的搭配
论文图 4。原论文 Figure 4:：“From scene-specific appraisal to selective responses.”。
该图左侧显示各变体的冲突与一致损失，中间显示权重随对齐方向的交叉，右侧显示方向一致、标签改变与无关改写稳定。读图时区分原生权重与掩蔽诊断，前者是模型内部分配，后者是掩蔽输入后重跑的输出变化，不能把扰动响应当作分支因果贡献。
哪些误差还在，哪些结论不能下？
配对误差审计按谁错分组：仅情感微调错时冲突源识别与表达调节问题占比较高；仅完整方法错时目标关切与目标一致性问题占一定比例；两者皆错时上下文不足占一定比例。这些份额分母是各自错误组，不是语料流行率，不能跨组求和或解释为冲突导致全部错误的比例。相关干预中方向一致、标签改变、无关改写稳定各有数值，目标概率差与对数比差支持定向响应，掩蔽诊断的目标模态变化大于对照，说明相关变化引起定向响应而无关改写保持稳定，但概率移动与越过类别边界是两个判断。
资源上完整方法每种子数十 GPU 小时，中位延迟十余秒，高于等长通用推理与门控。聚合分数不提供种子标准差、置信区间与显著性检验，论文未作非劣效断言。缺失证据、提示长度与无效输出率等运行条件只刻画适用边界，不承诺延迟或误判率同步改善。总体趋势不等于每组每步都成立，强度组序号表达严重性顺序而非等距增量。
下面这段提出七字段语义指南的对照问题，条件是同一目标事件关系与时刻索引，再给出原表。
| Field | Evidence anchor | Distinction to preserve |
|---|---|---|
| Goal / concern | Requests, commitments, prior choices, or stated priorities in the available context | The current object of concern, such as obtaining this role, is more specific than a general value such as achievement. |
| Goal congruence | The observed outcome together with evidence about the relevant goal | Whether the event supports or obstructs the goal; the same external outcome can have different signs for different concerns. |
| Expectation | Prior plans, predictions, promises, or established patterns | Expectedness concerns anticipation. An undesired event can be expected, and a desirable event can be surprising. |
| Agency | Actions, decisions, attributions, and identified participants | Who or what produced the outcome; identifying a responsible agent does not by itself establish intent or blame. |
| Coping / control | Available remedies, remaining choices, resources, or finality of the decision | The person’s capacity to alter or manage the consequences, distinct from responsibility for causing them. |
| Norm / social relevance | Roles, relationships, agreed procedures, audience, and obligations | Which interpersonal standards bear on this situation, including whether an outcome or an expression is socially expected. |
| Expression regulation | Expression in relation to the event, audience, and other cues | Whether suppression, masking, or exaggeration helps explain the display; a visible smile alone does not establish masking. |
表后解释是该指南支撑部分掩码与错误分组：无证据时保持未决比强行填零更符合训练目标，代价是覆盖不均，预期、规范与调节的有效覆盖仅 40% 左右，反例是覆盖低的表达调节去掉后仍有损失，说明覆盖与效用是不同维度。该表指标不是准确率而是语义契约，不能直接换算为识别增益。
复现先固定什么，再跑什么对照？
先固定主干修订、8000 例组成、3 轮与数百步、有效批量、适配器目标与秩、贪婪解码与生成上限、多种子的平均取整规则，以及归一化解析与同义词映射。评价字段按值、置信度、证据与掩码四元存储，缺失保持空，施动者未知不作目标，规范比特各自掩码，评价损失先在字段内归一化再对有效字段平均，无有效字段样本不进入分母。检查点选择用会话开发准确率与片段开发二分类的等权均值，平局选更早检查点，与留出测试分开。
先复现情感微调、等长通用推理与模态门控 3 个可运行对照，再跑完整方法，接着做跨样本打乱、同情感打乱、切断决策连接与通用瓶颈四项机制对照，最后在冻结迁移、同容量探针与强度分组上验证模式。资源声明的当前可用性依据本次收到的资源状态，本次未发现来源绑定且完成验证的资源，不得声称代码、模型或数据已公开，复现应按附录的训练、监督与评测记录补齐缺项。
下面这段提出各评测回答哪个子问题，再给出原表，表后解释分工与边界。
| Dataset | Public context | Role in this paper |
|---|---|---|
| CA-MER | 1,500 examples: 500 video-aligned, 500 audio-aligned, 500 consistent | Primary comparison of conflict and consistent performance |
| EmoMM | 4,000 base examples from Chinese CH-SIMS v2.0 and English CMU-MOSI; multimodal and unimodal sentiment annotations | Alignment, conflict, missingness, and their combination |
| CH-SIMS v2.0 | 4,402 labeled and 10,161 unlabeled Chinese clips, with multimodal and unimodal sentiment information | Binary accuracy (Acc2) across four conflict groups |
| THERADIA | 2,735 affect-annotated clips from interactions during cognitive exercises, with appraisal annotations | Frozen-representation appraisal probes and emotion-intensity regression |
| MELD | 13,708 utterances across 1,433 dialogues; official train/development/test sizes of 9,989/1,109/2,610 | Ordinary seven-class conversational emotion recognition |
表后解释是冲突解决、评价可读、下游可用与普通识别分别由不同数据集承担，不能平均为单一总分，未评测边界是人类 4 维度未覆盖完整七字段，新颖性不等同于预期字段。不同数据集的公共组成与本文分工需要分别核对，来源重叠不等于样本重叠，核对来源身份需要规范比较。
何时值得尝试这种评价接口，还需补哪项验证？
当多模态线索各自有效但指向不同情感，且分歧可用当事人关切、结果关系与表达条件解释时，值得尝试把场景评价作为调节权重的显式接口；若分歧主要来自缺席模态或感知失败，论文显示缺失条件下的外部路由器仍更高，此时应先补证据恢复而非解释。复现后还需补的验证是 4 条件线索对比的对数比交互估计、源身份层面的数据不相交核对，以及延迟与误判率在目标部署条件下的实测。
常见误解是把评价当作固定人格画像或道德判断，论文强调它是事件、人物与时刻三元索引下的上下文假设，随申诉可能、观众变化与程序信息而改变；另一个误解是把字段一致当作独立佐证，实际上多字段重用同一观测，一致性是依赖显式化而非证据加倍。部分字段缺失时保持未决，比强行填零更符合语义，也更符合训练的掩码规则。
收束时回到可操作顺序：先固定接口与种子聚合，再跑可运行对照，再做对应性与连接性检验，最后用强度分组与冻结探针验证模式是否外推。任何一步更换输出接口、改变适配阶段或混用不同语境分数，都会破坏可比性，需要重新核对数据集、基线、阶段、指标、单位与聚合对象。
📎 论文与评分元数据
排名：前50% | 文档类型：方法研究 | arXiv 原文
⚖️ 评分明细
评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。
评分规则：type-aware-v1
评分模型：muse-spark-1.3-contributor
评分请求协议：openai_responses