Nov, 2023

InterPrompt: Reddit 帖子中互相关联的人际风险因素的可解释提示

PDF
TL;DR通过使用 N-shot 学习方法和 GPT-3 模型进行细化调整，本论文介绍了一种可解释的提示方法来增强 GPT-3 模型的注意机制，提供更高级别的语言修改，从而检测出个人叙述中表示两个人际风险因素的文本线索，取得更好的系统级可解释性和可信度。研究结果表明，在使用 InterPrompt 调整后，四个 GPT-3 模型的变种在分类和解释生成方面相较于基准方法都有显著的提升。
interpersonal risk factorsthwarted belongingnessperceived burdensomenessn-shot learninginterpretable prompting
发现论文，激发创造
  • 社交媒体帖子中可解释人际风险因素的注释数据集

    本研究构建并发布一个新的标注数据集，针对社交媒体上影响精神健康的人际风险因素进行分类和解释，以自然语言处理为切入点，建立模型并探讨以此为基础的 AI 个性化模型的未来研究方向。

    May, 2023

  • 基于提示的社交媒体文本精简中文专业翻译

    本文介绍了一种从大规模、嘈杂的社交媒体文本数据集中进行基于提示的心理健康筛查的方法。我们的方法使用 GPT 3.5 进行提示，以区分可能与任务更相关的出版物，然后使用直观的词袋文本分类器来预测实际用户标签。结果发现与 BERT 专家混合分类器相当，并且只需要一小部分计算成本。

    Jan, 2024

  • 基于提示的人格和人际反应预测系统

    利用预训练语言模型的提示学习方法，采用数据增强和模型组合，实现了计算机对主观性、情感和社交媒体分析领域的个性预测任务，同时提供了在线软件演示和代码的方便研究。

    Mar, 2022

  • 可靠性检查：对 GPT-3 在敏感话题和提示措辞方面响应的分析

    研究分析了大型语言模型对敏感主题的反应和提示措辞对模型反应的影响，结果显示 GPT-3 在肯定的阴谋论和刻板印象方面反应正确，但在常见的错误观念和争议方面则会出现错误，暴露出其不可靠性。

    Jun, 2023

  • 促进 GPT-3 的可靠性

    本研究为了提高 OpenAI GPT-3 的可靠性，将其可靠性分解为四个方面：泛化性、社会偏见、校准性和事实性，并建立了简单有效的提示来提高其可靠性。通过适当的提示，GPT-3 在所有这些方面都比规模较小的监督模型更可靠。

    Oct, 2022

  • 大型语言模型诱导焦虑增加探索和偏见

    本文利用计算精神病学的方法来理解大型语言模型的行为，以 Generative Pre-Trained Transformer 3.5 为例，在常用的精神疾病测试中比人类表现的结果表明，在应用环境中如何向大型语言模型传达提示对其行为具有重要影响，同时也表明了将方法从计算精神病学引入来研究我们日益授权和自主委托的能力算法的可行性。

    Apr, 2023

  • 一种基于提示的细粒度隐式对话关系识别方法

    探索利用连接词预测来解决隐含语篇关系识别 (IDRR) 的问题。该方法使用预训练模型，并利用连接词和语篇关系之间的强相关性来帮助模型识别隐含语篇关系，同时对于 fine-grained few-shot 语篇关系中取得了优异成果。

    Oct, 2022

  • 关于人际交往的话语：建模普遍的群体偏见和情感

    本文提出了一种基于情绪的方法来预测人际群体关系（IGR），研究表明微妙的情感信号表明了不同的偏见，使用美国国会成员的推文数据集，构建了一个被标注为人际情感的数据集，证明神经模型在识别 IGR 上显著优于人类。我们还发现，IGR 和人际感知情感之间的共享编码可以提高两项任务的性能。

    Sep, 2022

  • 基于提示的学习在网络安全论坛中的主题结构预测

    通过 Next Paragraph Prediction with Instructional Prompting 方法，结合黑客论坛的数据，对社交网络相互作用进行预测，以更好地预测未来网络威胁。

    Mar, 2023

  • 聊天 GPT 与情感增强提示在心理健康分析中的评估

    本文详细评估了 ChatGPT 在 11 个数据集上的心理健康分析和情感推理能力，分析了不同提示策略对其分析能力和可解释性的影响，并发现情感提示可以有效提高其性能，但需要正确的情感注入方式。

    Apr, 2023