특화된 감정 인식 작업을 위한 일반 대형 언어 모델 맞춤화

대형 언어 모델(LLM)의 출현은 지난 해에 엄청난 주목을 받았습니다. 이전 연구들은 LLM이 다른 작업뿐만 아니라 정확성, 범용성, 설명 가능성, 견고성, 적은 예제 학습 및 제로샷 학습 측면에서 감정 인식에서도 놀라운 성능을 보인다는 것을 보여주었습니다. LLM의 능력을 활용하는 것은 필연적으로 감정 인식을 위한 필수적인 해결책이 되었습니다. 이를 위해, 특정 작업에 집중했을 때 LLM이 언어적 감정 인식에서 어떻게 수행하는지 종합적으로 추가 연구하였습니다. 구체적으로 공개적으로 사용되는 널리 알려진 LLM인 Chat General Language Model을 예로 들고, 깊은 프롬프트 튜닝과 저계수 적응의 두 가지 모델 적응 기법을 사용하여 대상에 맞게 맞춤화하였습니다. 여섯 개의 널리 사용되는 데이터셋에서 얻은 실험 결과는 적응된 LLM이 다른 최첨단 특화 딥 모델들을 쉽게 능가할 수 있음을 보여줍니다. 이는 감정 인식 분야에서 LLM의 강력한 전이 가능성과 실현 가능성을 나타냅니다.