情感识别：通过指令调谐探讨 in-context 示例的重要性
计算与语言
2025-08-19 v1
摘要
情感识别在对话中 (ERC) 旨在识别对话中每个语句的情感，发挥着占据 empathetic 人工智能 作用。随着大语言模型 (LLM) 的发展，指令调谐已成为 ERC 的关键范式。现有研究主要关注多阶段指令调谐，即首先赋予 LLM 演讲者特征，然后进行基于上下文的指令调谐以理解情感状态。然而，这些方法本质上限制了 LLM 同时捕捉演讲者特征与对话上下文之间动态相互作用的能力，导致在统一框架内，演讲者身份、上下文线索与情感状态之间的对齐较弱。本文提出了 InitERC，一种简单而有效的单阶段 in-context 指令调谐框架，用于 ERC。InitERC 通过 in-context 指令调谐从上下文示例中学习演讲者-上下文-情感对齐。具体而言，InitERC 包括四个组成部分，即演示池构建、in-context 示例选择、提示模板设计和 in-context 指令调谐。为探讨 in-context 示例的影响，我们对三个关键因素进行了全面研究：检索策略、示例排序和示例数量。在三个广泛使用的 dataset 上的大量实验表明，我们提出的 InitERC 在准确性上显著优于最先进的基线方法。
引用
@article{arxiv.2508.11889,
title = {In-Context Examples Matter: Improving Emotion Recognition in Conversation with Instruction Tuning},
author = {Hui Ma and Bo Zhang and Jinpeng Hu and Zenglin Shi},
journal= {arXiv preprint arXiv:2508.11889},
year = {2025}
}