最新研究发现，当用户表达紧急感或压力等情感时，AI模型如GPT-4可以表现得更好。这一发现对于在其AI应用中的开发者和企业家具有重要意义，提示了一种引入情感语境的新方法，以提高AI性能。
这项研究发现，添加情感因素的提示，被称为“情感提示”，可以提高AI在语法纠正和创造性写作等任务中的性能。这意味着引入情感线索可以导致更有效和响应灵敏的AI应用。
情感在AI中的重要性在于人类交流的本质。当人类交谈时，他们不仅仅交换信息，还分享情感、意图和紧急感。这项研究探讨的问题是，缺乏情感的AI是否能够响应我们在话语中赋予的情感因素，以及这是否会改变其性能。
在技术层面，这项研究的核心创新在于引入“情感提示”。这一方法将情感重要性融入提供给AI模型的提示中。与标准提示不同，情感提示携带了额外的情感相关性，比如强调任务对职业的重要性或暗示紧急性。
研究发现，在确定性任务中，使用情感提示可以显著提高AI性能。例如，在指令归纳任务中，模型的相对性能提高了8.00%。更令人瞩目的是，在BIG-Bench任务中，情感提示的使用使性能提高了115%。这表明，当任务的重要性提高时，模型不仅更好地理解任务，而且在提出更高的要求时产生更准确或更合适的响应。
此外，研究还进行了人工评估，涵盖了性能、真实性和责任等方面，参与者评估了生成任务的输出质量。在评估对比标准提示和那些增加情感线索的提示的响应质量时，参与者注意到性能平均提高了10.9%。这一提高突显了情感提示不仅可以提高AI响应的事实准确性，还可以增强其与人类期望和价值观的一致性。
这些研究结果的意义多方面。从技术层面上看，它们支持了大量证据，即LLMs对提示工程敏感，这一事实可以用于细化特定需求的AI输出。从实际角度来看，情感提示可以提高性能，可用于在教育技术、客户服务和心理健康支持等领域中需要准确性和理解感知的AI应用。
这项研究表明，当使用情感语境提示时，像GPT-4这样的LLMs可以表现出更好的性能，这一发现对于开发者和产品经理来说非常有用。