論文の概要: The Role of Emotional Stimuli and Intensity in Shaping Large Language Model Behavior

• arxiv url: http://arxiv.org/abs/2604.07369v1
• Date: Tue, 07 Apr 2026 05:29:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.422177
• Title: The Role of Emotional Stimuli and Intensity in Shaping Large Language Model Behavior
• Title（参考訳）: 大規模言語モデル行動形成における感情刺激と強度の役割
• Abstract要約: 快楽,励まし,怒り,不安という4つの異なる感情の感情的促進効果を探求し,それらを正確性,薬効,毒性で評価する。 我々は,GPT-4oミニを用いたプロンプト生成パイプラインを開発し,4つの感情の異なるLLMと人間生成プロンプトのスイートを作成する。 LLMの行動に関する実証的な評価は、ポジティブな感情刺激がより正確で毒性の低い結果をもたらすことを示唆している。
• 参考スコア（独自算出の注目度）: 0.017499351967216335
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Emotional prompting - the use of specific emotional diction in prompt engineering - has shown increasing promise in improving large language model (LLM) performance, truthfulness, and responsibility. However these studies have been limited to single types of positive emotional stimuli and have not considered varying degrees of emotion intensity in their analyses. In this paper, we explore the effects of four distinct emotions - joy, encouragement, anger, and insecurity - in emotional prompting and evaluate them on accuracy, sycophancy, and toxicity. We develop a prompt-generation pipeline with GPT-4o mini to create a suite of LLM and human-generated prompts with varying intensities across the four emotions. Then, we compile a "Gold Dataset" of prompts where human and model labels align. Our empirical evaluation on LLM behavior suggests that positive emotional stimuli lead to more accurate and less toxic results, but also increase sycophantic behavior.
• Abstract（参考訳）: 感情的プロンプト(感情的プロンプト) — 即興エンジニアリングで特定の感情的ディクションを使用する — は、大きな言語モデル(LLM)のパフォーマンス、真理性、責任を改善するための公約が増していることを示している。 しかし、これらの研究は1種類のポジティブな感情刺激に限られており、その分析では感情の強さの程度が異なるとは考えられていない。 本稿では, 快楽, 励まし, 怒り, 不安の4つの異なる感情の感情的促進効果について検討し, 正確性, 梅毒, 毒性に対する評価を行う。 我々は,GPT-4oミニを用いたプロンプト生成パイプラインを開発し,4つの感情の異なるLLMと人間生成プロンプトのスイートを作成する。 そして、人間とモデルラベルが整列するプロンプトの「ゴールドデータセット」をコンパイルする。 LLMの行動に関する実証的な評価は、ポジティブな感情刺激がより正確で毒性の低い結果をもたらすことを示唆している。

関連論文リスト

• Do Emotions in Prompts Matter? Effects of Emotional Framing on Large Language Models [5.079126066502806]
  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。
  論文  参考訳（メタデータ） (2026-04-02T16:31:08Z)
• How Emotion Shapes the Behavior of LLMs and Agents: A Mechanistic Study [33.5007842598689]
  感情信号が大規模言語モデル(LLM)とエージェントの動作を形作ることができるかどうかを検討する。 既存の感情認識研究は、主に感情を表面的なスタイルファクターまたは知覚的ターゲットとして扱う。 直接表現レベルの介入を可能にする解釈可能な感情ステアリングフレームワークであるE-STEERを提案する。
  論文  参考訳（メタデータ） (2026-03-09T12:20:02Z)
• Do LLMs "Feel"? Emotion Circuits Discovery and Control [54.57583855608979]
  本研究では、感情表現を引き起こす内部メカニズムと、生成したテキストにおける感情の制御について検討する。 これは、大きな言語モデルで感情回路を発見し、検証する最初の体系的な研究である。
  論文  参考訳（メタデータ） (2025-10-13T12:24:24Z)
• Fluent but Unfeeling: The Emotional Blind Spots of Language Models [1.248728117157669]
  LLM(Large Language Models)が人間の感情と微粒なレベルで一致しているかどうかを評価する上で、重要なギャップが残っている。 Redditコミュニティから収集されたベンチマークデータセットであるExpressを紹介します。 包括的評価フレームワークは、予測された感情条件を検証し、確立された感情理論を用いて、それらを8つの基本的な感情に分解する。
  論文  参考訳（メタデータ） (2025-09-11T16:31:13Z)
• UDDETTS: Unifying Discrete and Dimensional Emotions for Controllable Emotional Text-to-Speech [61.989360995528905]
  制御可能な感情的TTSのための離散的感情と次元的感情を統一する普遍的なフレームワークであるUDDETTSを提案する。 このモデルは、次元的感情記述のための解釈可能なArousal-Dominance-Valence(ADV)空間を導入し、離散的な感情ラベルまたは非線形に定量化されたADV値によって駆動される感情制御をサポートする。 実験の結果, UDDETTSは3次元の線形感情制御を実現し, エンドツーエンドの感情音声合成能力に優れていた。
  論文  参考訳（メタデータ） (2025-05-15T12:57:19Z)
• NegativePrompt: Leveraging Psychology for Large Language Models Enhancement via Negative Emotional Stimuli [21.846500669385193]
  大規模言語モデル(LLM)は幅広い応用に不可欠なものとなっている。 LLMには感情的な知性があり、肯定的な感情刺激によってさらに発展することができる。 心理学的原理に基づく新しいアプローチであるNegativePromptを紹介する。
  論文  参考訳（メタデータ） (2024-05-05T05:06:07Z)
• 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)
• Emotion Intensity and its Control for Emotional Voice Conversion [77.05097999561298]
  感情音声変換(EVC)は、言語内容と話者のアイデンティティを保ちながら、発話の感情状態を変換しようとする。 本稿では,感情の強さを明示的に表現し,制御することを目的とする。 本稿では,話者スタイルを言語内容から切り離し,連続した空間に埋め込み,感情埋め込みのプロトタイプを形成するスタイルに符号化することを提案する。
  論文  参考訳（メタデータ） (2022-01-10T02:11:25Z)

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。