DSPO：面向鲁棒情感推理的多样性感知主观策略优化

DSPO 是一种针对多模态大语言模型情感推理的强化学习框架，通过 Distribution-Aligned Emotional Diversity Reward（DEDR）和 Counterfactual Visual Intervention Gating（CVIG）分别提升主观情感覆盖与视觉 grounding。