大型语言模型可以通过情绪刺激理解并实现增强

要点:

• 探索了大型语言模型是否能理解和利用心理情感刺激来增强自身，这是人类智能的一个重要方面。
• 提出“EmotionPrompt”方法，将原始提示与基于自我监测、社会认知理论和认知情感调节理论设计的11种情感刺激相结合。
• 在6种语言模型和45个不同类型的任务上进行了试验，结果显示，EmotionPrompt能持续改进确定性任务(如Instruction Induction的8%提升)和生成性任务(如人类评分提升10.9%)的表现。
• 分析表明，情感刺激能帮助语言模型构建表示和梯度，更多刺激通常能提高效果，但不同的模型和任务对最佳刺激的需求各不相同。
• 证明了语言模型对情感的理解能力，提供了一个从心理学角度潜在增强语言模型的新方法，研究结果对AI和社会科学都具有启发意义。

动机：探索大型语言模型(LLM)是否能理解和利用情感刺激，以提升其性能和表现。
方法：使用多种LLM，包括Flan-T5-Large、Vicuna、Llama 2、BLOOM、ChatGPT和GPT-4，并设计了情感刺激(EmotionPrompt)来增强LLM的性能。
优势：实验结果表明，LLM对情感刺激具有一定的理解能力，并且在使用情感刺激后可以获得相对较高的性能改进，这对于提升LLM的问题解决能力具有重要意义。