连政（IEEE/CCF Senior Member），现任同济大学副教授，博士生导师。近年来已在情感计算、人机交互、大模型等领域开展一系列研究工作，累计发表论文和专利百余篇，包括 TPAMI, TNNLS, TASLP, TAFFC 等国际期刊和 ICML, NeurIPS, ICLR 等国际会议，Google Scholar 累计引用 5,400 余次（H-index: 38），入选全球前 2% 顶尖科学家榜单；作为"多模态高鲁棒细微情感分析关键技术与系统"的主要完成人之一，获得中国电子学会技术发明一等奖；发布了多模态情感识别数据库 MER，并围绕该数据库连续四年在 ACM Multimedia 和 IJCAI 上组织挑战赛和研讨会；担任 IEEE TAFFC/IEEE TASLP/PR Associate Editor，Information Fusion Area Editor，ACM Multimedia 和 ACL ARR Area Chair，ACM Multimedia 2026 Dataset Co-Chair。

情绪与认知、决策和行为密切关联，在语音交互领域发挥着关键作用。情绪表征方法旨在将复杂的人类情绪映射为可量化的数值。当前情绪表征领域主要存在两种范式：基本情感表示与维度情感表示。基本情感表示基于心理学理论，将人类情绪划分为离散标签。然而，人类情绪非常复杂，远不止六种基本情感，将情绪空间限制于基本类别必然会忽略一些细微情绪。不同于基本情感，维度情感表示将人类情绪建模为连续多维空间中的一个点，能够建模细粒度情感。但是，维度表示相比于离散表示更为抽象，与人类对于情感的直观感受不一致，导致维度情感在下游任务中应用较为受限。

本次报告将总结我们近期在该领域的一些尝试，希望借助多模态大模型丰富的词表以及多模态感知能力，将判别式情感识别向细粒度、可解释生成式情感理解过渡，包括 EMER、OV-MER (ICML25)、AffectGPT (ICML25)、EmoPrefer (ICLR26) 和 AffectGPT-RL，以及情感计算在具身智能领域的探索 RobotEQ，希望能给情感计算社区提供一些参考。