具有共情级联网络：降低大型语言模型社会偏见的多阶段提示技术
计算与语言
2026-02-20 v2 人工智能
摘要
本报告提出了具有共情级联网络（ECN）框架，这是一种旨在增强大型语言模型共情与包容能力的多阶段提示方法。ECN 采用四个阶段：视角采用、情感共鸣、反思理解与整合综合，引导模型生成情感共鸣且情境感知的响应。实验结果表明，ECN 在 GPT-3.5-turbo 与 GPT-4 上均实现了最高的同情心量（Empathy Quotient，EQ）得分，同时保持具竞争力的 Regard 与 Perplexity 指标。这些发现凸显了 ECN 在需要共情与包容性的对话 AI 应用中的潜力。
引用
@article{arxiv.2511.18696,
title = {Empathetic Cascading Networks: A Multi-Stage Prompting Technique for Reducing Social Biases in Large Language Models},
author = {Wangjiaxuan Xin},
journal= {arXiv preprint arXiv:2511.18696},
year = {2026}
}
备注
Further revision on experiments and pipeline design