迈向基于情感的拟合成意识：利用 LLMs 估计情感概率向量
计算与语言
2023-10-18 v1
摘要
本文展示了如何利用 LLMs（大语言模型）来估计与一段文本相关联的情感状态的摘要。该情感状态摘要是一个描述情感的词字典，以及该词在由原始文本与情感诱发后缀组成的提示之后出现的概率。通过对亚马逊产品评论的情感分析，我们证明了情感描述符可映射至 PCA 类型的空间中。我们曾期望也能通过后缀提示引出用于改善当前文本所描述状态的动作的文本描述。实验似乎表明，这并非轻易可行。这一失败使我们希望通过比较情感响应来选择最佳预测结果以进行动作选择的设想暂时无法实现。
引用
@article{arxiv.2310.10673,
title = {Towards Emotion-Based Synthetic Consciousness: Using LLMs to Estimate Emotion Probability Vectors},
author = {David Sinclair and Willem Pye},
journal= {arXiv preprint arXiv:2310.10673},
year = {2023}
}
备注
Emotion descriptors derived from LLMs are likely to be used in governing robot behaviour. Vectorizing emotion descriptors provides a finer grained representation of state than current 'positive vs negative' situation assessments. Finer grained geometric representation of state will be necessary for future human robot interaction governance