基于多模态大语言模型的属性锚定选择性推理用于艺术品情感理解

针对多模态大语言模型在艺术品情感解释中存在的“属性泛滥”问题，本文提出属性锚定选择性推理（AGSR）任务，旨在识别真正支持情感判断的关键线索。为此，研究扩展了 EmoArt 数据集，新增由专家标注的显著性属性监督信息。同时，提出了 FAB-G 框架，这是一种受形式属性瓶颈引导的多智能体方法，先预测属性显著性，再约束下游情感分析仅使用保留线索。实验表明，该方法在情感预测及与人类标注的一致性上均优于基线，且生成的解释更为紧凑。