مدلهای زبانی چندوجهی (MLLM) در تحلیل تصویر پیشرفت زیادی داشتهاند، اما در درک پیچیدگیهای احساسی انسان هنوز راه زیادی در پیش دارند. حالا محققان فریمورک جدیدی به نام EMO-R3 معرفی کردهاند که به هوش مصنوعی کمک میکند احساسات را بهتر «بفهمد» و «استدلال کند».
این مدل با استفاده از دو تکنیک جذاب، گامی رو به جلو برداشته است:
✨ تفکر ساختاریافته عاطفی: مدل یاد میگیرد مرحلهبهمرحله و منطقی به احساسات نگاه کند.
✨ پاداش عاطفی بازتابی: مدل نتایج استدلال خود را بر اساس سازگاری با تصویر و متن بررسی میکند تا به دقیقترین تفسیر احساسی برسد.
این دستاورد یعنی هوش مصنوعی در آینده نهتنها میبیند، بلکه حس و درک عمیقتری از تعاملات انسانی خواهد داشت!
منبع: arXiv AI