MME-Emotion

MME-Emotion 是面向多模态大模型情感智能的评测基准节点。它的价值不只是给模型排名，而是把“识别情绪标签”与“解释情绪线索和原因”区分开来。

观察

MME-Emotion 把多模态情绪能力拆成识别和推理两个层面：模型不仅要说出情绪类别，还要指出面部表情、语音语调、语言内容或场景线索如何支持判断。
来源称该基准包含约 6500 段视频、27 类真实场景和 8 类情感任务，覆盖实验室情绪识别、真实场景、噪声条件、细粒度情绪、多标签情绪、情感倾向和意图识别等方向。
评测指标包括 Recognition Score、Reasoning Score 和 Chain-of-Thought Score，说明情绪计算的评估正在从单一准确率转向“答案是否对、理由是否合理、证据是否来自多模态线索”。
与多模态心理健康理解相比，MME-Emotion 更偏通用情感智能 benchmark；前者更偏心理健康场景中的情绪-认知画像生成。
与 MINE 数据集相比，MME-Emotion 更强调模型能否识别并解释情绪线索；MINE 更强调社交媒体中情绪、意图和缺失模态的联合任务构造。
来源提到主流多模态模型在该基准上情绪识别和综合推理表现仍低，说明“看懂图像/视频”不等于“理解情绪”。

官方仓库已公开评测代码、MIT 许可证和完整数据入口，仓库在 2026-01 标注 6,500 段视频数据已全部上传。因此“是否只有论文而无数据/代码”的问题已回答：不是。
评估链会把被测模型回答、预提取音频线索交给 GPT-4o 做步骤抽取/评分，再计算 Recognition、Reasoning 与 CoT 指标。这使评测可运行，也引入评估器版本、提示、音频线索提取和 API 随机性的依赖。
榜单可用于同协议比较，不应直接解释为模型读出了人的真实情绪。跨语言、跨文化、临床或高风险部署仍需预注册的人类标注协议、群体分层和误差审计。
重开条件是官方冻结评估器版本与完整配置，或独立团队报告同一数据上的可重复结果和跨人群效度。