Large Language Models are Highly Aligned with Human Ratings of Emotional Stimuli

文章总结与翻译

一、主要内容

该研究聚焦大型语言模型（LLMs）与人类对情绪刺激评分的一致性，旨在明确LLMs对情绪刺激的解读方式，为其在需情绪智力的场景（如助手、治疗师、教师）应用提供依据。

1. 研究背景

• 情绪对人类行为和认知影响重大，是心理学研究百年重点，而当前对人工智能如何理解、解读情绪刺激的认知不足。
• 心理学界对情绪组织框架存在争议：一种认为是快乐、愤怒、悲伤、恐惧、厌恶五类离散情绪（Ekman，1992；Izard，1992），另一种认为是唤醒度和效价两个维度（Russell，1980），需探究LLMs的情绪处理是否与人类类似及是否采用类似人类心理学的情绪理解框架。

2. 研究方法

• 数据来源：采用多个公开数据集，包括OASIS、NAPS等图像数据集和ANEW等单词数据集，这些数据集均由大量人类对情绪特质（唤醒度、效价，ANEW还包含五类情绪）进行过评分。
• 模型选择：选取GPT-4o、GPT-4omini、Gemma2-9B、Llama3-8B、Solar 10.7B等主流高性能LLMs。
• 实验过程：模拟各原始研究范式让LLMs进行评分，每个评分范式和数据集设置20个LLM“参与者”（初始化后完成完整试验），温度参数设为1.0，剔除触发模型内容过滤器的项目后，在项目层面将各LLM组与人类组（各情绪评分量表下每个项目的参与者均值和标准差）进行比较。

3. 研