CASE: Confusion-Aware Skill Evolution for Frozen Multimodal Emotion Models

{"tags": ["Multimodal Emotion Recognition", "MER", "MLLM", "Agent Skills", "EmotionSkills", "Frozen Backbone"], "risks": ["Tăng độ trễ suy luận (inference latency) do quy trình truy xuất và nạp EmotionSkill bổ sung.", "Rủi ro phân loại sai nếu mô-đun truy xuất chọn nhầm kỹ năng EmotionSkill trong các ngữ cảnh phức tạp.", "Độ phức tạp quản lý và mở rộng thư viện kỹ năng tăng lên khi số cặp cảm xúc nhầm lẫn mở rộng.", "Chưa đảm bảo tính tổng quát khi gặp các biến thể cảm xúc đặc thù theo ngữ cảnh văn hóa khác nhau."], "category": "Research", "entities": ["CASE", "EmotionSkills", "CA-MER", "DFEW", "EMER", "Qwen3-VL-8B"], "summary_vi": "CASE (Confusion-Aware Skill Evolution) là khung agent-skill đầu tiên cho bài toán Nhận dạng Cảm xúc Đa phương thức (MER). Thay vì tinh chỉnh toàn bộ tham số tốn kém, CASE duy trì một thư viện EmotionSkills thưa và tự tiến hóa, tập trung xử lý các cặp cảm xúc dễ gây nhầm lẫn mà không cần rã đông mô hình nền tảng (frozen MLLMs). Khi suy luận, kỹ năng phù hợp được truy xuất động để củng cố khả năng phân định ranh giới cảm xúc, giúp Qwen3-VL-8B tăng độ chính xác từ 46.80% lên 59.13% trên benchmark CA-MER và dễ dàng chuyển giao qua nhiều MLLM khác.", "key_changes": ["Đề xuất khung agent-skill đầu tiên (CASE) cho bài toán nhận dạng cảm xúc đa phương thức (MER).", "Xây dựng thư viện EmotionSkills dạng thưa, tự tiến hóa chuyên biệt cho từng cặp cảm xúc dễ gây nhầm lẫn.", "Tách biệt tri thức cảm xúc ra khỏi trọng số mô hình, giữ nguyên mô hình nền tảng (frozen MLLMs).", "Truy xuất động kỹ năng phù hợp trong quá trình suy luận để củng cố khả năng phân định ranh giới cảm xúc.", "Tăng độ chính xác trung bình của Qwen3-VL-8B trên benchmark CA-MER từ 46.80% lên 59.13% và có khả năng chuyển giao trên nhiều MLLM."], "sub_category": "Multimodal Emotion Recognition", "novelty_score": 78, "business_score": 65, "research_score": 85, "why_it_matters": "Thay vì tốn kém chi phí tinh chỉnh toàn bộ mô hình MLLM khi gặp lỗi nhầm lẫn cảm xúc cục bộ, CASE chứng minh việc mô-đun hóa tri thức thành thư viện kỹ năng ngoại vi giúp nâng cao đáng kể độ chính xác (+12.33% trên Qwen3-VL-8B). Giải pháp này giúp doanh nghiệp và nhà phát triển tiết kiệm chi phí phần cứng, duy trì mô hình nền tảng cố định và dễ dàng tái sử dụng tri thức cảm xúc trên nhiều mô hình khác nhau.", "developer_score": 70, "importance_score": 72, "possible_use_cases": ["Tăng cường độ chính xác cho hệ thống phân tích cảm xúc khách hàng qua video và âm thanh trong các tổng đài chăm sóc khách hàng.", "Ứng dụng hỗ trợ theo dõi và đánh giá phản ứng tâm lý bệnh nhân qua video phỏng vấn trong y tế từ xa.", "Đo lường phản ứng cảm xúc của người tiêu dùng đối với nội dung quảng cáo và video truyền thông.", "Cải thiện khả năng thấu hiểu cảm xúc tinh tế của con người cho trợ lý ảo và robot dịch vụ."], "actionability_score": 68}