arXiv cs.LG· Zilong Huang, Kong Aik Lee, Zezhong Jin, Man-Wai Mak, Tatsuya Kawahara·· 7 小时前AI 评分15
EmoGavel：面向多模态情感偏好学习的可验证奖励接地感知强化学习框架
EmoGavel: Grounding-Aware Reinforcement Learning with Verifiable Rewards for Multimodal Emotion Preference Learning
AI 导读
EmoGavel 是一个面向多模态情感偏好学习的接地感知强化学习框架，通过可验证奖励同时优化偏好预测、错误定位、修复与缺失证据恢复。它先以 Grounded SFT 联合学习上述任务，再用 GA-GRPO 结合偏好门控接地奖励与动态零方差救援进行优化。在 EmoPrefer 和受控错误评测集上，EmoGavel 提升了自然偏好预测与受控错误判别能力，并保持较强的错误接地性能。
来源：arXiv cs.LG · arxiv.org