使用 LLM 估计情绪概率向量：结论

链接表

• 摘要和引言
• 用引发情绪的尾部提示来审问法学硕士
• 亚马逊评论情感的 PCA 分析
• 未来的工作
• 结论
• 致谢和参考文献

5。结论

LLM 本质上是为响应测试提示而设计的，它提供文本字符串。这并不总是最有用的信息返回格式。在 LLM 内部，存在基于标记的概率分布。本文提供了一个示例，说明如何通过从情感术语词典中导出情感描述符概率向量来构建基于情感的合成意识的一部分。可以使用此情感概率向量做很多事情，包括细粒度评论分析、预测对营销信息的响应、犯罪检测等。情感概率向量可能是迈向合成意识的一步，它可能提供一种让机器人更具同理心的方法，让它们能够预测自己说的话会让接收者有何感受。

如果希望法学硕士 (LLM) 做出合理的回应，那么不让法学硕士 (LLM) 接受反社会媒体上普遍存在的疯狂叫喊的培训可能是一个好政策，同样，不让年轻人接受类似的培训也可能是一个好主意。