EMO-R3：面向多模态大语言模型情感推理的反思性强化学习

多模态大语言模型在视觉推理任务中表现优异，但在捕捉人类情感的复杂性与主观性方面仍显不足。现有监督微调方法泛化性有限且可解释性差，而传统强化学习难以契合情感认知特征。为此，本文提出 EMO-R3 框架，通过引入“结构化情感思维”引导模型进行可解释的分步推理，并设计“反思性情感奖励”机制，基于图文一致性与情感连贯性对推理过程进行重评估。实验表明，该方法显著提升了模型的情感智能与可解释性，在多个基准测试中取得优越性能。