通过三个实证实验，该研究测试了大语言模型在解决情绪智能任务和模拟情绪方面的能力，并提出并评估了一种基于心理评估研究的视频游戏情绪模拟的新链式情绪架构。结果显示，在用户体验和内容分析指标上，它优于标准的大语言模型架构，从而为基于语言模型中的认知过程构建和测试情感代理提供了早期证据。

Sep, 2023

心理学研究中关于情感的复杂过程涉及生理和认知评估方面；虽然情境可以导致不同的情感经验，但是对于认知评估的自动预测却没有多少研究。本研究填补了这一空白，提出了 CovidET-Appraisals 数据集，该数据集是迄今为止最全面的数据集，对 241 个 Reddit 帖子中的 24 个评估维度进行了评估，并提供了自然语言的解释。CovidET-Appraisals 是评估大型语言模型在自动评估和解释认知评估方面能力的理想测试平台。研究结果显示，在这一任务上，尽管最好的模型表现出色，但开源的大型语言模型在此任务中表现不佳，为情感智能模型的未来发展提出了新的挑战。我们在此链接分享了我们的数据集 https URL。

Oct, 2023

通过评估应激与应对理论，本研究调查了大型语言模型对情绪感知的能力，并与人类数据进行了比较；结果显示了模型在评估和应对的动态方面类似于人类，但在某些维度上与预期不符，且其响应幅度与人类存在较大差异；此外，研究还发现模型对指令和提问方式非常敏感，从而丰富了对当前模型心理学方面的认识。

Oct, 2023

通过加入评估变量作为条件，在生成框架中包含评价理论能够提高情感文本生成的准确性，并使用户可以实现更加精细的控制生成的文本。

Jul, 2023

该研究分析了评估理论作为一种情感分析方法的适用性，结果表明评估概念可以可靠地由人工注释和文本分类器恢复，并且可以帮助确定情感类别，因此评估理论构成了一种替代的计算情感分析范式，并进一步提高了联合模型在文本情感分类中的表现。

Jun, 2022

该研究采用基于心理分析数据的奖励训练 Deep Q-Network 模型训练出了四个拥有各自个性的 agent，并研究了这些 agents 之间的互动。结果表明，当 agent 在与手工编码的 AI 进行测试时取得更高的幸福感时，与其他个性不同的 agents 进行竞争时会表现得更差，这表明测试时的高幸福感可能存在过拟合的情况。

Nov, 2017

通过分析用户记载的短文本，该论文提出了一种系统化的方法来帮助用户提高幸福感。该方法使用神经网络模型并重点分析短文本中与心理学相关的特征，最终输出有关行动建议是否适合该用户的决策，以期提高其整体的幸福感。

Jul, 2019

本研究采用自然语言反馈作为人工智能代理的学习信号，使用基于方面的情感分析将反馈分解为关于马尔可夫决策过程功能的情感。然后通过推理情感模型中的潜在奖励函数，来进行反向强化学习。实验表明本方法可以成功地从人的互动反馈中学习，并提供了关于自然语言反馈信息结构和利用它进行强化学习的方法。

Sep, 2020

我们研究了情感生成语言模型代理的情绪状态如何随着感知到新事件而演变，并引入了一种新的架构，其中将新经历与过去记忆进行比较，通过此比较，代理获得了在情感创造中至关重要的基于上下文的理解新经历的能力。

Feb, 2024

通过计算实验，我们向你介绍了一种基于评价理论的识别共情言语中对齐过程的新方法，并证明了这些评价和对齐可以被准确地识别。在超过 9.2M 的 Reddit 会话实验中，我们发现评价能够捕捉行为的有意义的分组，但大多数回应的对齐程度很小。然而，我们发现心理健康专业人士在共情对齐方面参与得更多。

May, 2024