基于多智能体大语言模型的情感去豆腆化——面向消费者保护的个性化强度控制
人工智能
2026-02-27 v1
摘要
在注意力经济中，冲动性内容使消费者暴露于过度情感刺激，阻碍冷静决策。本研究提出了基于多智能体大语言模型的情感去豆腆化系统（MALLET），由四个智能体组成：情感分析智能体、情感调整智能体、平衡监控智能体和个人向导智能体。情感分析智能体使用 6 情感 BERT 分类器量化刺激强度，情感调整智能体通过大语言模型将文本重写为两种呈现模式：BALANCED（中性化文本）和 COOL（中性化文本 + 补充文本），平衡监控智能体聚合每周信息消费模式并生成个性化建议，个人向导智能体根据消费者敏感度推荐呈现模式。在 800 篇 AG News 文章上的实验显示，显著降低了刺激分数（最高降低 19.3%），同时改善了情感平衡，且保持语义不变。刺激减少与语义保持之间的接近系数趋于零，证明两者可独立控制。类别级分析显示，体育、商业和科技/科学类别的刺激量显著降低（降幅 17.8%~33.8%），而在世界类别中的效果有限，因为事实本身具有高度刺激性。该系统为消费者提供了一种在不限制获取原始文本的前提下，支持冷静信息接收的框架。
引用
@article{arxiv.2602.23123,
title = {Multi-Agent Large Language Model Based Emotional Detoxification Through Personalized Intensity Control for Consumer Protection},
author = {Keito Inoshita},
journal= {arXiv preprint arXiv:2602.23123},
year = {2026}
}