大型情感世界模型

arXiv 25.12 2025 38.6 method, benchmark

TLDR

提出大型情感世界模型，将情感融入世界模型，提升对情感驱动社会行为的预测能力。

评分理由

Strengths include novel integration of emotion into world models and empirical validation with a constructed dataset. Weaknesses are limited scope to social behaviors and lack of comparison to other world model types beyond basic tasks.

Read-first 评分解释

综合优先阅读分 38.6，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 26。

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：数据集、评估、实验、结果

近期性 6%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：数据集

主题相关性 29%

37.1

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

引用影响力 18%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：398。

关键词评分

world model

world dynamics prediction

world simulator

generative world model

model-based reinforcement learning world model

interactive world model

video world model

深度分析

创新点

证明移除情感相关信息会降低推理性能，凸显情感在世界理解中的重要性。
受心智理论启发，提出大型情感世界模型（LEWM），显式地对情感状态与视觉观察和动作进行联合建模。
构建情感-原因-方式（EWH）数据集，将情感融入因果关系，使模型能够推理行为发生的原因以及情感如何驱动未来世界状态。
使世界模型能够同时预测未来状态和情感转变。

方法

作者首先构建了情感-原因-方式（EWH）数据集，将情感融入因果关系。然后提出LEWM，显式地对情感状态与视觉观察和动作进行联合建模，使世界模型能够同时预测未来状态和情感转变。该模型在情感驱动的社会行为上进行评估，并与通用世界模型在基础任务上进行比较。

关键结果

LEWM在更准确地预测情感驱动的社会行为的同时，在基础任务上保持了与通用世界模型相当的性能。

局限性

EWH数据集可能无法捕捉真实世界情感背景的全部复杂性和多样性。
模型在基础任务上的性能仅与通用世界模型相当，而非更优，表明在非情感领域改进有限。
评估聚焦于情感驱动的社会行为，更广泛的世界建模能力尚未验证。
摘要未讨论向其他模态的泛化或实际部署中的挑战。

技术栈

Large Language ModelsWorld ModelsTheory of MindCausal ReasoningEmotion Modeling

资源

论文