في السنوات الأخيرة، بدأت نماذج اللغة الكبيرة متعددة الوسائط (MLLMs) في دمج طرق تفسيرية لفهم العواطف بشكل أكثر تعقيداً. وللأسف، بعض هذه الطرق تعتمد بشكل كبير على الإشارات العاطفية المرئية فقط، مما يؤدي إلى فهم سطحي للعواطف يقارب تأثير "هامس الذكاء"، حيث تصبح هذه المسارات غير موثوقة عندما تكون الإشارات العاطفية ضمنية أو متناقضة.

ولكن العواطف البشرية تتشكل استنادًا إلى كيفية تفسير الأفراد للأحداث المحيطة بهم، وتجاوز الإشارات القابلة للرؤية. وباستلهامنا من نظريات تقدير العواطف، نرى أن فهم العواطف متعدد الوسائط يجب أن يتطور من الملاحظة السطحية إلى التقدير المعرفي العميق.

لذا، تم تقديم مجموعة بيانات جديدة باسم "CogEmo-40K"، وهي عبارة عن مجموعة بيانات مستندة إلى التحصيل التعليمي، تهدف إلى توليد تفكير قائم على الأدلة عبر ستة أبعاد معرفية للتقدير العاطفي. بالإضافة إلى ذلك، تم تقديم نموذج "CogEmo-MoE"، وهو نموذج صغير ضد نطاق واسع يتضمن كتل MoE للتكيف الخاص بالتقدير، مما يمكّن من تفكير أكثر فعالية على نطاق أصغر مقارنةً بالنماذج الأخرى.

كما تم تقديم معيار "CogEmo-Bench"، الذي يقدّم درجة جودة أدلة التقدير (AEQS) لتقييم الفهم المعرفي والعاطفي عبر هذه الأبعاد التكميلية، متجاوزًا القياسات التقليدية التي تقيّم العواطف بناءً على النتيجة فقط.

تظهر التجارب أن هذا النهج لا يؤدي فقط إلى نتائج متميزة، بل يتمتع أيضًا بقدرة كبيرة على تعميم النتائج عبر مجالات متعددة. وهذا يدل على أن الانتقال من الفهم السطحي إلى التقدير المعرفي يمكن أن يحقق تحولًا في كيفية تصنيف وفهم العواطف بشكل موثوق وملموس، مما يقرب النماذج اللغوية الكبيرة من البشر.