改变答案读取方式后，视觉语言模型面部情绪评分接近专家一致水平。
资讯摘要
论文指出，EmoNet-Face-HQ 基准通过解析生成文本读取模型答案，且零样本提示要求每张脸固定数量的情绪，这一协议本身可能决定结果。作者保留图像、专家评分与指标，改为对每个情绪类别提一个是/否问题并按“是”的概率计分。在专家最一致的五个类别上，十一个开放权重视觉语言模型平均二次加权κ从解析文本的0.425升至0.553，均优于与单个专家的一致度，并与该基准微调模型的0.555持平。
要点速读
- 原基准含2500张生成人像，由四名心理学专家按40类情绪评分，结论称视觉语言模型平均不优于随机猜测。
- 作者仅改变提问与读取方式：每类一个是否问题，按“是”的概率计分。
- 按此方式，十一个开放权重模型平均κ为0.553，三个模型无需训练即显著超过基准微调模型的0.555。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。