提示情感：大语言模型变革的催化剂
计算与语言
2025-03-19 v1 人工智能
摘要
大型语言模型（LLM）的兴起已彻底革新了自然语言处理（NLP），然而提示文本中潜在情感特征（prompt sentiment）对模型输出的影响尚未得到充分探讨。本研究系统性地检视了情感变化如何影响LLM生成输出的连贯性、事实性和偏见。我们采用基于词典的方法和基于Transformer的方法进行情感分析，将提示归类化，并评估来自 Claude、DeepSeek、GPT-4、Gemini 和 LLaMA 五大主流LLM的响应。我们的分析覆盖六类AI驱动的应用，包括内容生成、对话式AI、法律与金融分析、医疗AI、创意写作和技术文档。通过改变提示，我们评估其对输出质量的影响。我们的发现表明，提示情感对模型响应具有显著影响，消极提示往往会降低事实准确性并放大偏见，而积极提示则倾向于增加冗长度并传递情感。这些结果凸显了在确保AI生成内容公平可靠方面，情感感知的提示工程的重要性。
引用
@article{arxiv.2503.13510,
title = {Prompt Sentiment: The Catalyst for LLM Change},
author = {Vishal Gandhi and Sagar Gandhi},
journal= {arXiv preprint arXiv:2503.13510},
year = {2025}
}