Enhancing the Emotional Intelligence of LLMs without Compromising the General Intelligence

本文是LLM系列文章，针对《Both Matter: Enhancing the Emotional Intelligence of Large Language Models without Compromising the General Intelligence》的翻译。

摘要

情绪智能（EI）由情绪感知、情绪认知和情绪表达组成，在改善当前基于大语言模型（LLM）的会话式通用人工智能助手的用户交互体验方面发挥着关键作用。以往的工作主要集中在通过对EI-相关分类或回归任务的朴素微调来提高他们的情绪感知能力。然而，这导致了EI的不完全增强和一般智力的灾难性遗忘。为此，我们首先介绍了EIBENCH，这是一个大规模的文本到文本形成中与EI相关的任务集合，包含任务指令，涵盖了EI的所有三个方面，为LLM的全面EI增强奠定了坚实的基础。然后，提出了一种新的模块化情绪智能增强方法（MoEI），该方法由模块化参数扩展和帧内互调组成，以在不影响其GI的情况下全面增强LLM的情绪智能。在两个具有代表性的基于LLM的助手Flan-T5和LLaMA-2-Chat上进行的大量实验证明了MoEI在保持GI的同时改善情绪智能的有效性。

1 引言

2 EIBENCH

3 方法