通过潜在向量引导控制情感生成

大语言模型 (LLM) 在对齐后通常会产生情绪平淡的响应，从而限制了它们在影响敏感的应用程序中的有效性。在本文中，我们提出了 EmoVec，这是一种通过潜在向量控制实现可控情感生成的轻量级框架。 EmoVec 使用对比激活加法从成对的中性反应和情绪调节反应中提取情绪特定方向，并通过特定于任务的去偏和主子空间去除进一步细化它们。在推理过程中，这些向量通过静态或场景自适应缩放注入到最终的残差流中，从而无需更新模型权重即可连续控制情绪强度。针对三个 LLM 和八种情感的实验表明，EmoVec 持续提高情感显着性，同时在很大程度上保留语义内容、流畅性和连贯性。消融研究和人类评估进一步证实了矢量净化和自适应缩放的有效性，将 EmoVec 确立为部署 LLM 中情感控制的实用推理时间方法。