让大模型模拟真实情绪变化，实现可解释对话建模。

Time-Continuous Modeling for Temporal Affective Pattern Recognition in LLMs

• 用物理启发的神经网络建模情绪随时间演化
• 构建了支持上下文学习的情绪动态数据集
• 适合研究可解释对话系统的人看

本文提出一种基于物理启发神经网络的框架，通过时间连续建模与上下文学习，使大模型能够模仿现实世界中的情绪动态。研究构建了一个新的数据集，支持在上下文学习中捕捉情感随时间的变化模式，为实现可解释的对话建模提供了新路径。

原文摘要 · Abstract (English)

This paper introduces a dataset and conceptual framework for LLMs to mimic real world emotional dynamics through time and in-context learning leveraging physics-informed neural network, opening a possibility for interpretable dialogue modeling.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。