大语言模型能预测情绪，并不代表它理解了情绪是如何产生的。CAREBench基于评价理论，把评测拆成“情境理解—评价推理—情绪反应”三个环节，并结合第一人称与第三人称标注，分析模型究竟在哪一步出错。对六个模型的实验发现，强模型在最终情绪预测上可接近甚至超过人工基线，但在评价推理、正面情绪识别和主观差异建模上仍有明显缺口。这提醒我们：评测情绪理解，不能只看最终标签，还要检查中间认知过程。
原文：arxiv.org
CAREBench：沿认知推理链评测大模型的情绪理解
7分钟 ·
2·
0
20