paint-brush
Estimar vectores de probabilidad de emociones utilizando LLM: conclusionespor@textmodels
292 lecturas

Estimar vectores de probabilidad de emociones utilizando LLM: conclusiones

Demasiado Largo; Para Leer

Este artículo muestra cómo se pueden utilizar los LLM (modelos de lenguaje grande) [5, 2] para estimar un resumen del estado emocional asociado con un fragmento de texto.
featured image - Estimar vectores de probabilidad de emociones utilizando LLM: conclusiones
Writings, Papers and Blogs on Text Models HackerNoon profile picture
0-item

Este documento está disponible en arxiv bajo licencia CC 4.0.

Autores:

(1) D.Sinclair, Imense Ltd y correo electrónico: [email protected];

(2) WTPye, Universidad de Warwick y correo electrónico: [email protected].

Tabla de enlaces

5. Conclusiones

Los LLM están, por su naturaleza, diseñados para proporcionar cadenas de texto como respuesta a un mensaje de prueba. Este no siempre es el formato más útil para devolver la información. Internamente dentro del LLM existen distribuciones de probabilidad sobre los tokens. El artículo presenta un ejemplo de cómo construir parte de una conciencia sintética basada en emociones derivando el vector de probabilidades de descriptores de emociones a partir de un diccionario de términos emocionales. Hay una variedad de cosas que se pueden hacer con este vector de probabilidad de emoción, incluido el análisis de revisión detallado, la predicción de una respuesta a mensajes de marketing, la detección de delitos, etc. Es posible que el vector de probabilidad de emoción sea un paso en el camino hacia la conciencia sintética. y que podría proporcionar un medio para hacer que los robots sean más empáticos al permitirles hacer una predicción sobre cómo algo que digan hará sentir al destinatario.


Si se desean respuestas razonables por parte de un LLM, podría ser una buena política no capacitar al LLM sobre los gritos locos que impregnan las redes antisociales y, de manera análoga, podría ser una buena idea no capacitar a las mentes jóvenes de manera similar.