Возможности распознавания эмоций у Больших языковых моделей: сравнительный анализ

Возможности распознавания эмоций у Больших языковых моделей: сравнительный анализ

Дятлинко Е.С. (ИСП РАН, Москва, Россия; МГУ, Москва, Россия)
Павлов М.Д. (ИСП РАН, Москва, Россия)
Тигранян Ш.Т. (РАУ, Ереван, Армения)
Аветисян А.А. (ИСП РАН, Москва, Россия)

Аннотация

Большие языковые модели (LLMs) всё чаще интегрируются в диалоговые системы, где понимание эмоциональных сигналов является ключевым для поддержания связных, увлекательных и безопасных взаимодействий. В этом исследовании оценивается, насколько эффективно современные инструктивные LLM могут распознавать эмоции только по тексту без тонкой настройки под конкретную задачу. Мы тестируем несколько семейств LLM с открытым весом (количество параметров <15B) по четырем стратегиям запроса – базовая, контекстная, на примерах и комбинированная стратегия, объединяющая контекстные данные и примеры с разметкой – на основе двух английских наборов данных (IEMOCAP, MELD) и одного набора данных на русском языке (RESD). Результаты экспериментов показывают, что оптимальная стратегия поиска подсказок зависит от набора данных: семантически избыточные данные, такие как IEMOCAP, больше всего выигрывают от демонстрации нескольких кадров, в то время как MELD выигрывает в основном от включения истории диалога (лучшее значение 60.3% WF1 с контекстом). Эксперименты с надежностью показывают, что LLM-системы в значительной степени нечувствительны к изменению порядка нескольких примеров, но производительность существенно снижается при повреждении пространства меток, что указывает на то, что согласованное пространство меток имеет большее значение, чем порядок примеров или их правильных классов. Кросс-языковая оценка выявляет заметное снижение качества на русскоязычном RESD, что подчёркивает устойчивый разрыв между пониманием эмоций на английском и русском языках в современных LLM. Полученные выводы свидетельствуют о том, что LLM без дообучения выступают в качестве сильных базовых решений, основанных только на промптах, для распознавания эмоций, однако всё ещё заметно уступают специализированным системам, обученным с учителем.

Ключевые слова

большие языковые модели; распознавание эмоций; устойчивость; обучение с малым числом примеров; понимание эмоций.

Издание

Труды Института системного программирования РАН, том 38, вып. 3, часть 4, 2026, стр. 157-174.

ISSN 2220-6426 (Online), ISSN 2079-8156 (Print).

DOI: 10.15514/ISPRAS-2026-38(3)-53

Для цитирования

Дятлинко Е.С., Павлов М.Д., Тигранян Ш.Т., Аветисян А.А. Возможности распознавания эмоций у Больших языковых моделей: сравнительный анализ. Труды Института системного программирования РАН, том 38, вып. 3, часть 4, 2026, стр. 157-174. DOI: 10.15514/ISPRAS-2026-38(3)-53.

Полный текст статьи в формате pdf (на английском) Вернуться к содержанию тома