大语言模型在平衡药物使用者的个性化支持与通用共情方面面临挑战

研究人员开发了一种个性化感知的大语言模型（LLM）方法，为药物使用者提供支持，以解决自我污名化问题。通过对Reddit数据进行潜在类别分析，他们识别出四种与自我污名化表达相关的不同个性。序列贝叶斯和循环神经网络分类器能够从用户的发帖历史中识别出这些个性，其表现优于标准LLM基线。然而，临床专家评估显示存在分歧：尽管个性匹配的响应实现了有针对性的行为转变，但评估者更喜欢非个性化LLM的通用共情，这表明临床对齐设计与整体共情判断之间可能存在冲突。 AI

影响 这项研究强调了在敏感支持角色中设计LLM所面临的挑战，表明需要超越通用共情的更细致的评估指标。

排序理由 详细介绍基于LLM支持的新颖方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• Hugging Face
• Large Language Models
• Latent Profile Analysis
• recurrent neural classifiers
• Reddit
• Sequential Bayesian learning for State Space Models

• 论文
• 安全
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →