NTDH：综合情感分析的复杂推理

全面的情感分析具有挑战性，原因有两个：它跨越具有连续、有序和多标签输出的异构预测任务，并且情感含义依赖于上下文，需要协调冲突的线索而不是直接映射到标签。现有的方法直接学习这种映射，并且没有显式地对协调进行建模。我们将这一任务重新定义为一个复杂的推理问题，它产生一个跨异构标签空间的输出接口，以及一条可以优化可验证奖励的轨迹；据我们所知，这是第一次涉及情感和情感的此类治疗。障碍在于数据方面：必须综合情感推理痕迹，而通用综合与情感的目标、容差和现象不一致，并丢弃或泄漏其失败案例。我们提出 NTDH，它解决了这四种失败。归化将训练答案设置为金标签，因此通过构造它是正确的。容忍度感知门根据任务自身的得分余量检查每个答案。领域感知策略利用情感科学的思想完善推理。方向提示仅报告错误的类型和方向，而不暴露目标。我们使用 SFT 训练 Qwen3-8B，然后在用于验证的相同容差下训练 GRPO（在多标签子任务上达到更宽松的构造门），并且组件消融量化每个部分的数据质量影响。最终策略使用 16,302 条训练记录（比同类指令调整系统少约 14 倍），在六个官方测试指标中的五个指标上比 SFT 检查点有所改进，并在比较系统中实现了最强的 EI-reg 结果，皮尔逊相关性为 0.862。