arXiv 2026年1月22日该工作对 13 个情感模型实例（涵盖九种模型设计、多种规模、任务与训练范式）做模块级分析，并在代表性模型上做受控功能分析，发现情感适配呈现一致但非排他的功能组织：在匹配可训练参数预算下仅调 FFN 一致优于仅调注意力模块并接近调全部主要 Transformer 投影，且 gate、up、down 投影在联合优化后功能分化，gate_proj 尤为突出，据此提出的 GET 方法以 19.3-24.5% 的可训练参数保留 96.2-98.0% 的性能。该工作对 13 个情感模型实例（涵盖九种模型设计、多种规模、任务与训练范式）做模块级分析，并在代表性模型上做受控功能分析，发现情感适配呈现一致但非排他的功能组织：在匹配可训练参数预算下仅调 FFN 一致优于仅调注意力模块并接近调全部主要 Transformer 投影，且 gate、up、down 投影在联合优化后功能分化，gate_proj 尤为突出，据此提出的 GET 方法以 19.3-24.5% 的可训练参数保留 96.2-98.0% 的性能。多模态情感基础模型的情感适配研究：FFN 比注意力模块更高效，门控投影在联合优化中形成专门化通路该工作对 13 个情感模型实例（涵盖九种模型设计、多种规模、任务与训练范式）做模块级分析，并在代表性模型上做受控功能分析，发现情感适配呈现一致但非排他的功能组织：在匹配可训练参数预算下仅调 FFN 一致优于仅调注意力模块并接近调全部主要 Transformer 投影，且 gate、up、down 投影在联合优化后功能分化，gate_proj 尤为突出，据此提出的 GET 方法以 19.3-24.5% 的可训练参数保留 96.2-98.0% 的性能。该工作对 13 个情感模型实例（涵盖九种模型设计、多种规模、任务与训练范式）做模块级分析，并在代表性模型上做受控功能分析，发现情感适配呈现一致但非排他的功能组织：在匹配可训练参数预算下仅调 FFN 一致优于仅调注意力模块并接近调全部主要 Transformer 投影，且 gate、up、down 投影在联合优化后功能分化，gate_proj 尤为突出，据此提出的 GET 方法以 19.3-24.5% 的可训练参数保留 96.2-98.0% 的性能。