FACES：面向多模态情感支持对话的细粒度门控语义对齐

针对多模态情感支持对话（MESC）中回复浅薄、策略不当的问题，研究者提出 FACES 框架，融合多源奖励构建多维语义与功能对齐信号，用非补偿式门控融合减少跨维度奖励抵消，并以结构化 CoT 锚点做 token 级信用分配。在控制回复长度条件下，基于 MLLM 的评测均分从 3.61 升至 4.04，对 SOTA 的成对胜率 80.22%，人工评测偏好率 75.3%，三个外部数据集结果支持可迁移性，代码与数据已开源。

此前 MESC 系统受限于语义反馈弱、跨维度奖励相互补偿和推理监督粗糙，回复往往流于表面且支持策略失当。FACES 的改变在于把奖励信号从单一分数拆成多维对齐，并以门控方式阻止维度间相互抵消，同时把监督细化到 token 级，使情感支持策略的优化目标更可控。

机制上，FACES 先用多源奖励同时约束语义与功能两个层面，再通过非补偿式门控融合，避免某一维度的高分掩盖另一维度的低分；结构化 CoT 锚点则把整体回复质量拆解到具体 token 上分配信用，让模型知道哪一步推理或措辞真正贡献了支持效果。评测在固定回复长度协议下进行，以排除长度红利。

若该框架可复现，情感陪伴、客服安抚、心理健康辅助类产品可在不显著拉长回复的前提下提升共情准确度与策略合规性。研发侧的直接影响是奖励建模与数据标注成本上升，需要多维标注与 CoT 锚点数据；同时门控融合与 token 级信用分配会增加训练与调参复杂度。

• 基于开源代码与数据集，在自有情感对话场景上复现 FACES，验证 4.04 分与 80.22% 胜率能否迁移
• 为客服或陪伴类产品构建多源奖励评测集，按语义准确、情绪共情、策略合规分维度打分
• 将非补偿门控融合思路用于内部 RLHF 奖励聚合，避免单一高分维度掩盖安全或共情短板
• 针对 token 级信用分配搭建细粒度标注流程，用于训练数据质量筛选与回复改写

• 论文给出的提升是否在更长对话轮次与真实用户长期交互中保持
• 多源奖励中具体包含哪些奖励项、权重如何设定，证据中未说明
• 三个外部数据集的具体名称、语言与领域分布未披露
• 75.3% 人工偏好率的评估者规模、背景与一致性指标未知