تجزیه و تحلیل احساسات را با مذاکره چند LLM با نقش و نگار تقویت کنید

نویسندگان:

(1) Xiaofei Sun، دانشگاه ژجیانگ؛

(2) Xiaoya Li، Shannon.AI و Bytedance.

(3) Shengyu Zhang، دانشگاه ژجیانگ.

(4) شوه وانگ، دانشگاه پکن؛

(5) فی وو، دانشگاه ژجیانگ؛

(6) جیوی لی، دانشگاه ژجیانگ؛

(7) Tianwei Zhang، دانشگاه فنی نانیانگ.

(8) Guoyin Wang، Shannon.AI و Bytedance.

چکیده و مقدمه

کار مرتبط

مذاکره LLM برای تجزیه و تحلیل احساسات

آزمایش

مطالعات فرسایشی

نتیجه گیری و مراجع

6. نتیجه گیری

در این مقاله، ما محدودیت‌های روش‌های تجزیه و تحلیل احساسات مبتنی بر LLM را بررسی می‌کنیم و یک روش جدید مذاکره چند LLM مبتنی بر نقش را برای افزایش دقت و تفسیرپذیری دسته‌بندی‌های احساسات معرفی می‌کنیم. یافته‌های تجربی در مورد معیارهای چندگانه برتری رویکرد ما را در مقایسه با ICL سنتی و بسیاری از روش‌های نظارت شده نشان می‌دهد. کار آینده می‌تواند بهینه‌سازی چارچوب برای سرعت و مصرف منابع، تطبیق اصول اساسی با سایر وظایف NLP و طراحی ماژول‌های مذاکره صریح را بررسی کند که تأثیر سوگیری‌ها و خطاهای رمزگشایی موجود در LLM‌های فردی را شناسایی و کاهش دهد.

منابع

روهان آنیل، اندرو ام دای، اورهان فیرات، ملوین جانسون، دیمیتری لپیخین، الکساندر پاسوس، سیامک شاکری، امانوئل تاروپا، پیج بیلی، ژیفنگ…