論文の概要: Do Emotions in Prompts Matter? Effects of Emotional Framing on Large Language Models

• arxiv url: http://arxiv.org/abs/2604.02236v1
• Date: Thu, 02 Apr 2026 16:31:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.918341
• Title: Do Emotions in Prompts Matter? Effects of Emotional Framing on Large Language Models
• Title（参考訳）: プロンプトにおける感情は重要か? : 感情的フラーミングが大規模言語モデルに及ぼす影響
• Authors: Minda Zhao, Yutong Yang, Chufei Peng, Rachel Gonsalves, Weiyue Li, Ruyi Yang, Zhixi Liu, Mengyu Wang,
• Abstract要約: 感情のトーンは人間のコミュニケーションにおいて広まっていますが、大きな言語モデル(LLM)の振る舞いへの影響はいまだ不明です。 本稿では,ユーザ側クエリにおける1対1の感情的フレーミングが,6つのベンチマークドメイン間でのLLM性能に与える影響について検討する。 本稿では,各問合せに対して感情的フレーミングを適応的に選択する適応的感情的促進フレームワークであるEmotionRLを紹介する。
• 参考スコア（独自算出の注目度）: 5.079126066502806
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotional tone is pervasive in human communication, yet its influence on large language model (LLM) behaviour remains unclear. Here, we examine how first-person emotional framing in user-side queries affect LLM performance across six benchmark domains, including mathematical reasoning, medical question answering, reading comprehension, commonsense reasoning and social inference. Across models and tasks, static emotional prefixes usually produce only small changes in accuracy, suggesting that affective phrasing is typically a mild perturbation rather than a reliable general-purpose intervention. This stability is not uniform: effects are more variable in socially grounded tasks, where emotional context more plausibly interacts with interpersonal reasoning. Additional analyses show that stronger emotional wording induces only modest extra change, and that human-written prefixes reproduce the same qualitative pattern as LLM-generated ones. We then introduce EmotionRL, an adaptive emotional prompting framework that selects emotional framing adaptively for each query. Although no single emotion is consistently beneficial, adaptive selection yields more reliable gains than fixed emotional prompting. Together, these findings show that emotional tone is neither a dominant driver of LLM performance nor irrelevant noise, but a weak and input-dependent signal that can be exploited through adaptive control.
• Abstract（参考訳）: 感情のトーンは人間のコミュニケーションにおいて広まっていますが、大きな言語モデル(LLM)の振る舞いへの影響はいまだ不明です。 本稿では,ユーザ側クエリにおける1対1の感情的フレーミングが,数学的推論,医学的質問応答,読解理解,常識的推論,社会的推論を含む6つのベンチマーク領域におけるLLMパフォーマンスにどのように影響するかを検討する。 モデルやタスク全体では、静的な感情的な接頭辞は精度の小さな変化しか生じないため、感情的な言い回しは一般的に、信頼性の高い汎用的な介入というよりは穏やかな摂動である。 この安定性は、社会的に根ざしたタスクにおいて効果がより変動し、感情的文脈が対人的推論とより確実に相互作用する、という一様ではない。 さらなる分析により、強い感情的な言葉遣いは、わずかに余分な変化しか起こさず、人書きの接頭辞は、LLM生成のものと同じ定性的パターンを再現することが示された。 次に、各クエリに対して感情的フレーミングを適応的に選択する適応的感情的プロンプトフレームワークであるEmotionRLを紹介する。 一つの感情は一貫して有益ではないが、適応的な選択は固定された感情的刺激よりも信頼性の高い利得をもたらす。 これらの結果から,情動音はLLM性能の優位な要因ではなく,適応制御によって活用できる弱い入力依存信号であることが示唆された。

関連論文リスト

• Emotion is Not Just a Label: Latent Emotional Factors in LLM Processing [4.733799057798266]
  私たちは感情を、モデルがどのようにテキストに従属し、推論するかを形作る潜在要因として研究しています。 我々は、トランスモデルにおいて、感情的なトーンが注意構造を体系的にどう変化させるかを分析する。 トレーニング中に感情条件付き表現の漂流を制限する感情正規化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-10T05:23:18Z)
• Conversations: Love Them, Hate Them, Steer Them [10.014248704653]
  大きな言語モデル (LLMs) は会話の流布を増大させるが、人間のようなニュアンスな感情表現でそれらを注入することは大きな課題である。 本稿では,LLaMA 3.1-8Bにより,より人間らしく感情的なニュアンスを示すことができることを示す。
  論文  参考訳（メタデータ） (2025-05-23T02:58:45Z)
• Do Emotions Really Affect Argument Convincingness? A Dynamic Approach with LLM-based Manipulation Checks [22.464222858889084]
  心理学や社会科学でよく用いられる操作チェックに着想を得た動的枠組みを導入する。 この枠組みは、感情の強さが知覚の説得力にどのような影響を及ぼすかを調べる。 半数以上の症例では、感情の強さの変化にもかかわらず、人間による説得力の判断は変わらないことが判明した。
  論文  参考訳（メタデータ） (2025-02-24T10:04:44Z)
• Enhancing Emotional Generation Capability of Large Language Models via Emotional Chain-of-Thought [50.13429055093534]
  大規模言語モデル(LLM)は様々な感情認識タスクにおいて顕著な性能を示した。 本研究では,感情生成タスクにおけるLLMの性能を高めるための感情連鎖(ECoT)を提案する。
  論文  参考訳（メタデータ） (2024-01-12T16:42:10Z)
• Large Language Models Understand and Can be Enhanced by Emotional Stimuli [53.53886609012119]
  我々は、感情的な刺激を理解するために、大規模言語モデルの能力を探究する第一歩を踏み出す。 実験の結果,LLMは感情的知能を把握でき,その性能は感情的刺激によって改善できることがわかった。 EmotionPromptが生成タスクの性能を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2023-07-14T00:57:12Z)
• Speech Synthesis with Mixed Emotions [77.05097999561298]
  異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。 次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。 実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
  論文  参考訳（メタデータ） (2022-08-11T15:45:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。