LongEmotion：衡量大型语言模型在长上下文交互中的情商

大型语言模型（LLM）在情感智能（EI）和长上下文理解方面取得了显著进展。然而，现有的基准往往忽略了长上下文场景下 EI 的某些方面，尤其是在交互时间长、多样且嘈杂的现实实际设置下。为了朝着这些实际设置迈进，我们提出了 LongEmotion，这是一个专门为长上下文 EI 任务设计的基准。它涵盖了多种任务，包括情感分类、情感检测、情感问答、情感对话、情感摘要和情感表达。平均而言，这些任务的输入长度达到 8,777 个令牌，并且情感表达需要长格式生成。为了在实际约束下提高性能，我们集成了检索增强生成（RAG）和协作情感建模（CoEM），并将其与标准的基于提示的方法进行了比较。与传统方法不同，我们的 RAG 方法利用对话上下文和大型语言模型本身作为检索源，避免了对外部知识库的依赖。CoEM 方法通过将任务分解为五个阶段，整合检索增强和有限的知识注入，进一步提高了性能。实验结果表明，RAG 和 CoEM 在大多数长上下文任务中一致地提高了 EI 相关性能，推动 LLM 向更实用、更贴近现实世界的 EI 应用发展。此外，我们对 GPT 系列模型进行了比较案例研究实验，以展示不同模型在 EI 方面的差异。代码可在 GitHub 上获取：https://github.com/LongEmotion/LongEmotion，项目页面可在 https://longemotion.github.io/ 找到。