共情提示：多模式LLM对话的非语言上下文集成

于红博

摘要: 我们提出了“共情提示”(Empathic Prompting)这一新颖的框架，用于丰富大型语言模型(LLM)对话的多模态人工智能交互，通过隐含的非语言语境。该系统集成了一个商业面部表情识别服务，以捕获用户的情绪线索，并在提示过程中将它们嵌入为上下文信号。与传统的多模态界面不同，共情提示不需要明确的用户控制；相反，它会不显眼地增加情感信息，以实现对话和流畅度的对齐。该架构是模块化和可扩展的，允许集成额外的非语言模块。我们描述了通过本地部署的DeepSeek实例实现的系统设计，并报告了一个初步的服务和可用性评估(N=5)。结果显示，非语言输入得到一致地整合到连贯的LLM输出中，参与者强调了对话的流畅性。除了这个概念验证外，共情提示还指向了聊天机器人介导的通信中的应用，特别是在医疗保健或教育等领域，在这些领域中用户的情绪信号至关重要，但在口头交流中往往是不透明的。

更新时间: 2025-10-23 17:08:03

领域: cs.HC,cs.AI,cs.CL

下载: http://arxiv.org/abs/2510.20743v1