EICAP：通过多轮对话深度评估与增强大语言模型的情商
计算与语言
2025-08-11 v1 人机交互
摘要
情商（EI）是开发与人类对齐的大语言模型（LLM）中一个关键但尚未充分探索的维度。为填补这一空白，我们引入了一个统一的、基于心理学的、专为大语言模型（LLM）量身定制的四层情商分类法，包括情感追踪、原因推断、评估和情感上适当的回应生成。在此框架基础上，我们提出了EICAP-Bench，一个新颖的多项选择题（MCQ）风格的多轮基准，旨在评估开源LLM在不同语言和文化背景下的情商能力。我们在EmoCap-Bench上评估了六个LLM：LLaMA3 (8B)、LLaMA3-Instruct、Gemma (9B)、Gemma-Instruct、Qwen2.5 (7B)和Qwen2.5-Instruct，确定Qwen2.5-Instruct为最强基线。为了评估增强情商能力的潜力，我们使用LoRA适配器在UltraChat（UC）——一个大规模、指令微调的对话数据集上，对Qwen2.5-Base和Qwen2.5-Instruct进行英语和阿拉伯语的微调。我们的统计分析显示，在五个情感层中，只有情感识别层通过基于UC的微调显示出显著改善。这些发现突显了现有预训练和指令微调范式在赋予LLM更深层次情感推理方面的局限性，并强调了需要针对性的数据和建模策略来实现全面的情感对齐。
引用
@article{arxiv.2508.06196,
title = {EICAP: Deep Dive in Assessment and Enhancement of Large Language Models in Emotional Intelligence through Multi-Turn Conversations},
author = {Nizi Nazar and Ehsaneddin Asgari},
journal= {arXiv preprint arXiv:2508.06196},
year = {2025}
}