研究人员提出对话情绪转变预测防泄露评测协议
Start here
2026年11月5日，研究人员在 arXiv 发布研究，提出一种针对对话情绪转变预测的信息匹配防泄漏评估协议，旨在解决特征泄露与基线信息不平等导致的评测失真问题。该协议应用于4个文本语料库上的6类因果模型评测中。测试结果显示，在可部署条件下，学习模型均优于基线模型，其中在 DailyDialog 语料库上取得了 +0.167 的最佳 ROC-AUC 增益（调整 p=.0144）。但在提供真实情绪信息的条件下，基线模型在 IEMOCAP 上展现出竞争力，且在 MELD 上的表现强于学习模型。
AI-generated from reports · Updated 7 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 自然语言处理对话情绪转变预测的信息匹配审计：防数据泄漏评估协议
研究提出一种对话情绪转变预测的信息匹配防泄漏评估协议，解决特征泄露与基线信息不平等导致的评测失真。应用于4个文本语料库上的6类因果模型显示，在可部署条件下学习模型均优于基线，DailyDialog 最佳 ROC-AUC 增益达 +0.167（调整 p=.0144）。但在提供真实情绪时，基线在 IEMOCAP 具竞争力且在 MELD 上更强。
Story heat trend
Current heat 8·Comparable peak 10（Nov 5 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.