SELF-EMO：从识别到一致表达的情感自我进化

针对对话情感识别中高质量标注数据稀缺及静态限制，本文提出 SELF-EMO 自我进化框架。该框架基于“更优的情感预测导向更一致的情感响应”假设，引入情感理解与表达辅助任务，设计基于角色的自博弈范式。模型兼具识别者与回应者角色，通过迭代交互生成多样化对话轨迹以实现可扩展数据生成。此外，采用数据飞轮机制过滤样本并反馈以促进持续自我提升，同时开发 SELF-GRPO 强化学习算法稳定优化过程。实验表明该方法在多个数据集上达到最先进水平。