情绪识别失败可能来自读出而非视觉感知

细粒度情绪识别支持治疗工具和社交机器人，但人脸数据有隐私问题。EmoNet-Face-HQ以生成肖像及专家40类评分应对，粒度远高于常见六至八种情绪。其原协议下VLM表现较差，并据此认为需要专用微调EIF模型。我们保持图像、分类和评分，只改变答案读出：每类别一次二元查询，从logits读取概率而非生成答案，现成VLM即可匹配或超过EIF。专家最可靠的五类一致性为 $κ_w=0.468$。生成式读出时，11个开放模型没有一个区间完全高于该锚点，得分0.268—0.486；验证式概率读出时全部显著超过，达到0.507—0.586，三个还显著超过EIF Small的0.551及Large的0.534。收益来自连续分级概率，不只是是非提问：将同一概率阈值化损失平均收益的142%，降到0.254—0.423，低于生成式。真实FACES照片复现效果较弱且混合；通过有效性门槛的十模型中六个改善，三个中性到正向，一个负向，说明效果并非只存在于合成数据。