由于最近需要进行知识分享，我借此机会整理了关于大型语言模型（LLMs）理解并受情感刺激影响的一些基本知识。由于个人能力有限，本文实际上是对这一主题的不完全总结。如果有任何遗漏的知识点，请随时提出，以便我们一起进步。
情感智能对LLMs的影响
情感智能是指个体理解、使用和管理情感信息的能力。近年来，研究人员开始探索情感智能对LLMs性能的影响。一些初步研究表明，通过向LLMs的输入中添加情感刺激，可以显著提高它们在某些任务上的表现。
EmotionPrompt的设计与应用
EmotionPrompt是一种结合了原始输入提示和情感刺激的方法。例如，在进行文本摘要任务时，研究者可能会在提示中加入“这对我的职业发展非常重要”，以此来增强模型对文本重要性的理解。通过这种方式，LLMs能够更好地捕捉到文本中的关键信息，并生成更准确、更具相关性的输出。
举个例子，论文中给出了一些情感刺激（典型pua）的输入。：
通过在写好的prompt后面直接添加这些语句就可以使用。
深入分析EmotionPrompt的工作原理
在探讨EmotionPrompt如何提升LLMs性能的过程中，文中通过分析输入注意力分布来理解情感刺激对最终输出的贡献。研究发现，情感刺激能够丰富原始提示的表达，并在模型的输出中占据更重要的地位。特别是一些积极的词汇，如“信心”、“确定”、“成功”和“成就”，在提升LLMs的性能方面起到了关键作用。
实验设计
对包括Flan-T5-Large、Vicuna、Llama 2、BLOOM、ChatGPT和GPT-4在内的多种LLMs进行了45个任务的自动实验。任务涵盖了确定性和生成性应用，代表了全面的评估场景。我们的自动实验表明，LLMs可以把握情感智能，并且通过情感提示（我们称之为“EmotionPrompt”，即将原始提示与情感刺激结合起来）可以提升性能，例如，在指令感应任务中相对性能提高了8.00%，在BIG-Bench中提高了115%。如下图所示：
除了可以使用现有指标自动评估的确定性任务外，照论106个人对于模型结果进行人肉评估，以评估使用原始提示和情感提示生成任务的质量。我们的人类研究结果表明，EmotionPrompt显著提高了生成任务的性能（在性能、真实性和责任度量标准方面平均提高了10.9%）。
引用
标题：Large Language Models Understand and Can Be Enhanced by Emotional Stimuli
作者信息：Cheng Li, Jindong Wang, Yixuan Zhang, Kaijie Zhu, Wenxin Hou, Jianxun Lian, Fang Luo, Qiang Yang, Xing Xie
作者所在机构：Institute of Software, CAS; Microsoft; William & Mary; Department of Psychology, Beijing Normal University; HKUST
