EmoS：细粒度流媒体情感理解的高保真多模态基准

在当今高压、老龄化社会的背景下，对能够提供同理心支持的大规模情感模型的需求比以往任何时候都更加迫切。然而，现有的基准无法同时实现生态有效性、信号清晰度和可靠的细粒度标签。我们引入了 EmoS，这是一种高保真双语基准，旨在通过将严格过滤的静态切片与动态流独白子集相结合来解决现有数据集中生态有效性和噪声的限制。在严格的双层人工注释管道的支持下，EmoS 提供了可信的 真值，可以捕获持续的情感演变。实证结果表明，EmoS 上的 微调 MLLM（多模态 大语言模型）比零样本基线获得了显着的增益，为未来情感识别模型和共情模型的训练和评估奠定了基础。数据集和代码可在 https://github.com/NLP2CT/EmoS 上公开获取。