多模态情感推理模型

可解释且高效

该模型通过结合多模态大语言模型与轻量级LoRA微调，在统一框架内实现快速分类与思维链推理，提供可解释的决策过程，增强了情感分析的实际可信度。

Junjie, Liao · Zeng, Jiandian · Binbin, Song · Mengting, Zhou · 范晓鹏 · Tian, Wang

Pattern Recognition 2026

技术优势

决策过程可解释

模型通过思维链逐步推理，并受模态感知提示引导，能自适应地在直接预测与逐步推理间切换，使得决策过程对用户透明，便于理解和审计。

保持高效低成本

采用轻量级LoRA微调，无需全量更新大模型参数，降低计算开销，使模型在资源有限的场景下也能快速适应新数据和任务。

分类推理一体化

在一个框架内同时支持快速分类和思维链推理，无需部署两个独立系统，简化了多模态情感分析应用的开发和维护。

应用场景

• 情感计算：为情感计算任务提供精确且可解释的预测结果，便于研究者理解模型行为并调整策略。
• 人机交互：通过可解释的推理提高人机交互系统的信任度，让用户理解AI的情绪判断依据。
• 医疗机器人：在医疗机器人中使用可解释情绪分析，便于医护监督和干预，降低误判风险。