AI新突破：非标模态大模型挑战人类主观感受

好的，没问题。以下是一篇根据您提供的信息撰写的新闻报道，力求达到您所要求的专业性和深度：

标题：AI如何感知你的感受？明略科技超图多模态大模型挑战人类主观体验

引言：

在人工智能飞速发展的今天，机器不仅能识别物体、理解语言，更开始尝试触及人类情感的微妙领域。近日，明略科技在AICon全球人工智能开发与应用大会上展示了一项突破性研究——如何利用非标模态的多模态大语言模型模拟人类主观感受。这项研究不仅挑战了现有AI技术的局限性，更开启了机器理解人类情感的新篇章，为未来的AI应用提供了无限可能。

主体：

1. 机器主观感知：AI的下一个挑战

长期以来，人工智能主要聚焦于对客观世界的解析，如图像识别、自然语言处理等。然而，人类的体验远不止于此，主观感受在其中扮演着至关重要的角色。正如斯坦福大学计算机科学教授李飞飞所言，即使是参数庞大的大语言模型，也难以捕捉人类主观感受的复杂性。

目前，学术界对主观感知的研究多依赖于外部观察，如情绪表达或媒体传播，但这往往存在偏差。例如，人们可能刻意掩饰真实情感，或因文化背景差异而对同一事物产生不同解读。明略科技的研究正是基于这一痛点，试图从人的主观视角出发，深入内部进行采集和观察，旨在开发出能够更准确地模拟和理解人类主观感受的技术和方法。

2. Video-SME数据集：通往主观感知的钥匙

为了弥补现有视频理解数据集的不足，明略科技构建了大规模视频主观多模态评估数据集Video-SME。该数据集不仅包含丰富的视频内容，还整合了受试者观看视频时的脑电波和眼动追踪数据。与传统数据集不同，Video-SME的评测标准并非预设选项，而是描述性的，这有助于更准确地捕捉和分析主观感受。

Video-SME数据集的生成流程严谨细致，包括将视频拆分为多个分镜，将语音转换为文本，记录不同受试者的主观指标（如脑电波、认知、情绪和眼动数据），并与分镜内容对应。研究人员还针对这些主观指标设计了问答，以评估受试者的认知程度。

3. 超图多模态大模型：模拟主观感受的利器

基于Video-SME数据集，明略科技自研了超图多模态大语言模型（HMLLM）。该模型并非通用基础模型，而是针对垂直领域的多模态模型。HMLLM采用了超图理论，允许一条超边连接多个点，这在视频理解任务中尤为重要，因为视频帧与帧之间的关系可能跨越较长时间维度，涉及多个帧。

HMLLM的训练过程分为两个阶段。第一阶段专注于客观部分的训练，即对视频内容的客观描述；第二阶段则专注于主观部分的训练，涉及超图学习模块（SAL-HL），该模块考虑观众的性别、年龄等信息，并以视觉编码器（如VIT）作为输入，以脑电属性的真实标签作为监督信号。

4. 实验结果：机器主观感知的曙光

实验结果表明，HMLLM在模拟人类主观感受方面取得了显著进展。以沃尔沃卡车广告为例，HMLLM不仅能输出客观描述（如“一个人在两辆行驶的卡车间做一字马”），还能输出主观描述（如“30至34岁男性观看后的认知和情绪反应”）。模型甚至能展示不同性别和年龄段观众的眼动注释区域，通过热力图反映观众在观看视频时的真实注意力分布。

这些发现揭示了不同人群对同一画面内容的关注点存在差异，为我们提供了深入理解观众主观感受的宝贵视角。这不仅证明了HMLLM的有效性，也为机器模拟人类主观感受提供了新的可能性。

5. 应用前景：从品牌传播到心理健康

机器模拟人类主观感受的技术具有广阔的应用前景。在品牌传播领域，企业可以利用该技术更好地理解不同文化背景下消费者的情感反应，从而制定更有效的营销策略。在心理健康领域，该技术可以帮助医生更准确地评估患者的情绪状态，从而提供更个性化的治疗方案。

结论：

明略科技的这项研究不仅是一项技术突破，更是一场关于人类情感和人工智能的深刻对话。超图多模态大模型的出现，为我们打开了一扇通往机器主观感知的大门。随着技术的不断发展，我们有理由相信，未来的AI不仅能理解客观世界，更能深入理解人类情感的复杂性，从而更好地服务于人类社会。

参考文献：

赵晨旭. (2025, January 3). 非标模态的多模态大语言模型如何模拟人类主观感受. AICon InfoQ.
李飞飞. (2024, May). [Twitter post about large language models and subjective feelings]. Twitter.

（注：由于您提供的信息中没有具体的学术论文或报告，此处参考文献主要基于您提供的信息。）

写作说明：