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
• Authors: Ameen Patel, Felix Lee, Kyle Liang, Joseph Thomas,
• 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

• 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)

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。