近日，在暨南大学广东智慧教育研究院（以下简称“研究院”）的支持下，研究院教师郑嘉琪副教授，博士研究生陈嘉浩、赫敏、李薛毅，硕士研究生陈兆东，于2026年7月10日受邀前往武汉，参加第六届中国情感计算大会（CCAC 2026），并在海报展示环节分享最新研究成果，与来自全国各地高校、科研机构和企业界的专家学者们进行深入交流。

会议简介

本次大会由中国中文信息学会情感计算专业委员会主办，武汉纺织大学与武汉大学联合承办。大会聚焦情感计算领域的前沿理论、关键技术与产业应用，设置大会特邀报告、青年科学家论坛、前沿趋势论坛、企业应用论坛、技术评测、海报交流等多个学术环节，并结合武汉科技创新优势打造特色议题。大会汇聚海内外情感计算、人工智能、多媒体信息处理、人机交互等领域的专家学者、青年科研人员和产业代表，共同探讨情感计算领域的最新研究进展、关键技术突破及未来发展方向，推动产学研深度融合与学术交流合作。

会议分享

陈嘉浩在此次大会上进行了题为《SPMO: A Framework of Set-Level Preference Optimization for Multimodal Sentiment Recognition》的海报展示，该研究针对多模态情感识别中的标注主观性和成对偏好优化粒度不足问题，提出集合级偏好优化框架SPMO，通过样本分组、交叉配对和自适应加权提升训练效果。实验结果表明，SPMO在三个基准数据集的多数指标上取得最佳性能。

赫敏在此次大会上进行了题为《Pretrained Models for Emotion Recognition in Conversation: A Survey》的海报展示，该研究针对对话情感识别领域任务定义、评估标准不统一，以及现有工作过度关注模型架构的问题，提出了由表征能力、适应能力和推理能力构成的分析框架，并构建了从情感识别到生成式推理的统一任务谱系。研究进一步梳理了相关数据集、评估设置及实际应用，为模型设计、方法比较和评测标准化提供了参考。

李薛毅在此次大会上进行了题为《Psychoacoustic Adversarial Probing for Analyzing Representation Biases in Speech Emotion Recognition》的海报展示，该研究提出心理声学约束对抗探测框架，通过人耳难以感知的扰动分析语音情感识别模型的表征偏差。实验发现，传统深度学习模型更依赖细粒度声学信息，而大语音模型更依赖高层语义表征，为理解模型鲁棒性及其决策机制提供了新视角。

陈兆东在此次大会上进行了题为《Mapping Affect-oriented Educational Agents: A Systematic Review》的海报展示，该研究针对情感导向教育智能体相关研究较为分散的问题，系统梳理了70项代表性工作，并从智能体角色、交互方式、应用场景和研究主题等方面进行归纳分析，研究为教育智能体设计及学习者情感支持与干预提供了参考。

在海报展示环节，研究院的最新研究成果吸引了众多情感计算领域的专家学者驻足交流，并围绕情感计算模型设计、评价方法和实际应用场景等问题展开深入讨论。

心得体会

郑嘉琪在会后表示，本次大会集中展示了情感计算领域的最新研究进展，为师生了解学科前沿、拓展研究视野提供了良好平台，通过与专家学者的深入交流，进一步认识到高水平科研既需要持续关注前沿问题，也需要重视真实场景中的应用价值，未来将继续鼓励学生积极参与学术交流，在交流与实践中提升科研能力。陈嘉浩表示，此次参会让自己接触到了许多新观点和新方法，也更加直观地感受到学术交流对于完善研究思路的重要作用，通过聆听报告和参与海报交流，自己进一步开阔了视野，也对如何发现问题、开展研究和展示成果有了更深入的认识。赫敏表示，本次大会为青年学生提供了宝贵的学习和交流机会，不同专家学者分享的研究成果和思考方式，使自己对情感计算领域的发展有了更全面的了解，现场交流也让自己认识到，科研需要保持开放的视角，在不断讨论和反思中改进研究工作。李薛毅表示，通过参加此次大会，进一步了解了情感计算领域的前沿进展，也感受到不同研究方向之间的交叉与融合，与专家学者和青年学生的交流带来了很多新的启发，对今后如何凝练研究问题、完善实验设计和提升成果表达都有积极帮助。陈兆东表示，此次参会让自己近距离感受到高水平学术会议的氛围，也接触到了许多具有启发性的研究成果，通过聆听报告、观看海报和参与交流，自己不仅拓宽了学术视野，也更加明确了今后需要持续提升专业基础、科研思维和表达能力。