研究人员提出对话情绪转变预测防泄露评测协议

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 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。