研究人员探索增强大型语言模型的情感交互

自OpenAI的ChatGPT和其他大型语言模型（LLM）兴起以来，这些由AI驱动的系统已被证明在从语言理解到问题解决的各种领域都非常熟练。然而，一个相对未被探索的领域是它们对情感刺激的反应。微软和CAS软件研究所的研究人员在这一方向上迈出了重要一步，推出了“EmotionPrompt”，这是一种旨在通过融入人类用户的情感化、基于心理学的提示来增强LLM性能的方法。

大语言模型中情商的研究

LLM中情感智能的追求

由Cheng Li和Jindong Wang领导的研究团队认识到，LLM对提示的敏感性是其广泛采用的重大挑战。为了解决这个问题，他们转向心理学和社会科学寻求灵感，之前的研究已经证明了情感刺激对人类行为的积极影响，例如提高学业成绩和更健康的生活方式选择。

创建情感提示

为了探索情感提示对LLM的潜在影响，研究人员从成熟的心理学文献中精心设计了11个情感句子。这些句子受到社会认同理论、社会认知理论和认知情绪调节理论等理论的启发。此类句子的例子包括“这对我的职业生涯非常重要”、“你最好确定”、“为你的工作感到自豪并全力以赴”以及“将挑战视为成长的机会”。

在LLM上测试情感提示

为了评估EmotionPrompt的影响，研究人员将这些情感句子融入给四个不同大型语言模型（ChatGPT、Vicuna-13b、Bloom和Flan-T5-Large）的典型提示中。这些模型随后被要求完成各种基于语言的任务。

充满希望的结果显示性能提升

实验结果令人鼓舞，EmotionPrompt显著提高了LLM在八项不同任务上的表现。在这些任务中，有一半以上，模型生成回答的准确率提高了10%以上。在这些任务上，EmotionPrompt的表现优于原始的零样本提示（zero-shot prompt）和零样本思维链（Zero-shot-CoT）。此外，观察发现，EmotionPrompt不仅提高了回答的真实性，还增强了其信息量。

虽然初步结果令人鼓舞，但研究人员承认其研究存在某些局限性。首先，他们仅在四个LLM上测试了EmotionPrompt，并进行了有限测试例子的实验，这可能会限制其结论对其他LLM和数据集的普遍适用性。因此，有必要进行进一步的研究，以验证情感刺激在更广泛模型和任务范围内的有效性和适用性。

本研究中提出的情感刺激可能不适用于所有任务，鼓励研究人员探索适合其特定应用的其他替代方案。

推进人机LLM交互

EmotionPrompt的引入有望激发未来的研究，旨在通过融入情感和基于心理学的提示来丰富人机LLM交互。这项研究为让AI系统在回应人类用户时更具亲和力和同理心开辟了新的途径，从而促进更自然和引人入胜的交互。

与任何AI发展一样，应仔细审查增强情感的LLM的伦理影响。确保AI系统对用户的情感输入做出适当和合乎伦理的回应至关重要。在个性化回应和避免操纵行为之间取得平衡，对于创建负责任和可信赖的AI模型至关重要。