蚂蚁与浙大提出 TRACE 流式情绪框架：动态评估置信度，准确率提升至 69.47%

1 篇报道存证1 家独立信源交叉印证持续跟踪至 2026/10/8 21:03:00

全景综述与最新动态

1 家信源交叉印证

蚂蚁集团安全实验室与浙江大学联合推出面向实时人机交互的流式情绪理解框架 TRACE，旨在解决传统离线模型在信息不完整时判断滞后及多模态推理成本高的问题。该研究通过持续跟踪模型情绪判断的变化过程并动态评估可靠性，显著减少了不必要的多模态调用。在自建 StreamMER 数据集上，TRACE 将仅使用在线音频的判断准确率从 59.87% 提升至 69.47%，论文已被 EMNLP 2026 主会议接收。

最新动向/蚂蚁集团安全实验室与浙江大学联合推出面向实时人机交互的流式情绪理解框架 TRACE，旨在解决传统离线模型在信息不完整时判断滞后及多模态推理成本高的问题。该研究通过持续跟踪模型情绪判断的变化过程并动态评估可靠性，显著减少了不必要的多模态调用。在自建 StreamMER 数据集上，TRACE 将仅使用在线音频的判断准确率从 59.87% 提升至 69.47%，论文已被 EMNLP 2026 主会议接收。

热度曲线逐小时热度走势

2 个完整观测小时

连续完整观测不足 3 个小时，暂不绘制趋势曲线。

TIMELINE报道时间线

共 1 篇 · 最新优先

量子位 (微信公众号)T2·10月8日 21:0368 分
蚂蚁与浙大提出 TRACE 流式情绪框架：动态评估置信度，准确率提升至 69.47%
原文标题：蚂蚁×浙大新研究：让AI在流式对话中“读懂”情绪 | EMNLP'26
- TRACE 框架通过动态评估情绪判断的可靠性，解决了流式场景中信息不完整导致的误判和高延迟问题。
- 构建了基于《老友记》前两季的 StreamMER 数据集，包含 8926 条话语样本，支持连续对话背景下的情绪评测。
- 实验显示 TRACE 在 StreamMER 上将在线音频准确率提升至 69.47%，并有效降低了多模态推理的计算开销。
查看存证快照原文网页