探索將情感刺激注入大型語言模型的影響
概述
自從 OpenAI 的 ChatGPT 推出以來，大型語言模型（LLM）變得非常受歡迎。這些模型透過大量資料的訓練，能夠以近乎人類的方式回答使用者的書面查詢，迅速生成特定術語的定義、文字摘要、特定背景下的建議、飲食計劃等等。儘管這些模型在許多領域中表現出色，但它們對情感刺激的反應仍然未得到充分研究。研究方法
最近，微軟和中科院軟體研究所的研究人員提出了一種方法，可以改善 LLMs 與人類使用者之間的互動，使它們能夠對人類使用者透過情感脈絡的心理學提示作出反應。研究人員從心理學和社會科學的成熟知識中尋找靈感。過去的心理學研究發現，勉勵的話語和其他情感刺激可以對個人生活的不同方面產生積極影響，例如提高學生的成績，促進更健康的生活方式等。 為了檢測情感提示是否也能影響 LLMs 的效能，研究人員提供了 11 個情感句子，可以新增到餵給模型的典型提示中。這些句子來自現有的心理學文獻，比如亨利·塔傑爾（Henri Tajfel）和約翰·特納（John Turner）在 1970 年代引入的社會身份理論，社會認知理論和認知情緒調節理論。研究人員然後將這些句子新增到傳送給不同 LLMs 的提示中，要求模型完成不同的語言任務。實驗結果
到當前為止，研究人員對四個不同的模型進行了測試：ChatGPT、Vicuna-13b、Bloom 和 Flan-T5-Large。他們發現，這種方法在八個不同的任務上提高了這些模型的效能，其中超過一半任務的回答準確性提高了超過 10%。研究人員在論文中寫道：“EmotionPrompt 的執行原理非常簡單：將情感刺激融入提示中。”他們進一步表示：“實驗結果表明，我們的 EmotionPrompt 在使用相同的單一提示模板時，顯著優於原始的零-shot 提示和 Zero-shot-CoT 在八個不同的任務上，不同的模型：ChatGPT、Vicuna-13b、Bloom 和 T5。此外我們觀察到 EmotionPrompt 可以同時提高真實性和訊息量。”討論
這項研究提出的新方法可能會激發其他研究，旨在透過引入情感/心理學提示來改善人類-LLMs 之間的互動。儘管迄今為止獲得的結果令人鼓舞，但還需要進一步的研究來取證其有效性和可推廣性。研究人員在論文中總結道：“這項工作有幾個局限性。首先我們只對四個 LLM 進行了實驗，並且在少數測試示例上進行了幾個任務的實驗，這是有限的。因此我們對情感刺激的結論只適用於我們的實驗，而超出本論文範圍的任何 LLMs 和資料集可能無法與情感刺激配合使用。其次本文提出的情感刺激可能對其他任務不具有普遍性，研究人員可能會對自己的任務提出其他有用的替代品。”結論
這項研究為改善大型語言模型與人類之間的互動提供了一種新的途徑。透過引入情感和心理學提示，LLMs 的效能在多個任務上得到了提高。然而需要進一步的研究來取證這種方法的可靠性和適用性。隨著這方面研究的不斷進展，我們可以期待大型語言模型在情感智慧方面的更廣泛應用。原文網址：https://techxplore.com/news/2023-08-exploring-effects-emotional-stimuli-large.html
文章翻譯者：
Emotion-情感刺激,大型語言模型,探索影響
