跟随线索，框定真相：开放词表多模态情感识别中的混合证据演绎推理

开放词表多模态情感识别（OV-MER）本身极具挑战，因为含混的多模态线索往往源于各不相同且未被观测到的情境动态。多模态大语言模型（MLLM）虽提供广泛的语义覆盖，但其性能常受制于对主导数据先验的过早承诺，导致次优启发式，忽视跨模态中关键且互补的情感线索。我们认为，有效的情感推理不能止于表层关联，而需要综合多条基于证据的理由、从多样的潜在视角调和这些观察，从而重建细腻的情绪状态。我们提出HyDRA，一种混合证据演绎推理架构，将推理形式化为「提出—验证—决策」协议。为内化这一溯因过程，我们采用带分层奖励塑形的强化学习，使推理轨迹与最终任务表现对齐，确保其能最佳地调和观测到的多模态线索。系统评估验证了我们的设计选择，HyDRA持续优于强基线——在含混或冲突场景中尤为突出——同时提供可解释的诊断性证据轨迹。